MétaCan
Menu
← Retour à la cohorte
Enregistrement W4252703637 · doi:10.22215/etd/2020-14249

Landfast Sea Ice Break-up Processes in Admiralty Inlet, NU

2020· dissertation· en· W4252703637 sur OpenAlexaffabout
Ada Loewen

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésInletSea iceGeologyShoreArctic ice packOceanographyArcticClimatologyIcebergDrift iceFinite element methodEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

The timing of spring break-up of landfast sea ice has become less predictable in recent years due to changes in the Arctic climate, which has implications for the traditional lifestyle of Inuit and shipping operations.To study the processes related to landfast ice break-up, meteorological and oceanographic data were collected in Admiralty Inlet, NU in May-June 2019.Numerical experiments using a finite element model (FEM) demonstrated the effects of environmental stresses, ice material properties, and leads on sea ice deformation prior to break-up.Modelled stress magnitudes were well below estimates of tensile yield stress, implying that large-scale ice fracture does not occur under typical conditions.Rather, field data and FEM output suggest the deterioration of ice strength and development of cross-inlet and shore leads preconditioned the ice to allow relatively low wind and current forces to initiate a break-out event in Admiralty Inlet on June 27, 2019. List of Tables 2.1The albedo of typical sea ice surface types (Perovich and Polashenski, 2012).16 4.1 Start and end dates for data collection from the 2019 field season in Admiralty Inlet. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .39 4.2 Accuracy and resolution of RBR XR620 and Idronaut Ocean Seven 304 CTDs. . . . . . . . . . . . . .

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,547
Score d'incertitude au seuil0,901

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,226
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→