MétaCan
Menu
← Retour à la cohorte
Enregistrement W4255579171 · doi:10.24124/2016/bpgub1136

Changing contribution of snow to Hudson Bay river discharge

2016· dissertation· en· W4255579171 sur OpenAlexafffundabout
Bunu Sharma

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Meteorological and Oceanographic SocietyInternational Arctic Science CommitteeUniversity of Northern British Columbia
Mots-clésSnowmeltStreamflowBaySnowWater yearSurface runoffHydrology (agriculture)Environmental scienceDischargeClimatologyPhysical geographyDrainage basinGeographyOceanographyGeologyMeteorologyEcologyCartography

Résumé

récupéré en direct d'OpenAlex

Hudson Bay (HB) in northern Canada has experienced changing volumes and seasonality of streamflows in the last 100 years. These shifts may be due to changing snow accumulation and ablation regimes. This study quantifies the changing contribution of snow to river discharge from 20 major river basins draining into HB (including James Bay) between 1980 and 2013. The analysis is based on daily snow water equivalent (SWE) data from GlobSnow, and daily streamflow data from the Water Survey of Canada, Hydro-Qu~bec, and Le Centre d\u2019Expertise Hydrique du Qu~bec. The contribution of snowmelt to streamflow generation is estimated from the ratio of water year maximum SWE to runoff. The Mann-Kendall test is performed for evaluation of trends and their significance. In HB, the snowmelt contribution to streamflow generation during 1980 to 2013 decreased by 15.9% (34 yr)\u207b~ and changed in hydrological conditions are observed. The potential impacts of these changes on ecological and socio-economic systems across much of Canada\u2019s North are discussed.

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 enseignants0,072
Score d'incertitude au seuil0,144

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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,230
Écart entre enseignants0,219 · 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

Citations0
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetCryospheric studies and observations→Travaux en français237 207→