MétaCan
Menu
Retour à la cohorte
Enregistrement W4297936983 · doi:10.1126/science.abo0926

A detection of the sea level fingerprint of Greenland Ice Sheet melt

2022· article· en· W4297936983 sur OpenAlexfundno aff
Sophie Coulson, Sönke Dangendorf, J. X. Mitrovica, M. E. Tamisiea, Linda Pan, David T. Sandwell

Notice bibliographique

RevueScience · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesLos Alamos National LaboratoryNatural Sciences and Engineering Research Council of CanadaNuclear Safety and Security CommissionHarvard UniversityJohn D. and Catherine T. MacArthur FoundationNational Aeronautics and Space Administration
Mots-clésGlacierGeologyIce sheetGreenland ice sheetAltimeterClimatologyGroenlandiaLatitudeAntarctic ice sheetSea icePhysical geographyRemote sensingGeodesyCryosphereOceanographyGeomorphologyGeography

Résumé

récupéré en direct d'OpenAlex

Rapid melting of ice sheets and glaciers drives a unique geometry, or fingerprint, of sea level change. However, the detection of individual fingerprints has been challenging because of sparse observations at high latitudes and the difficulty of disentangling ocean dynamic variability from the signal. We predict the fingerprint of Greenland Ice Sheet (GrIS) melt using recent ice mass loss estimates from radar altimetry data and model reconstructions of nearby glaciers and compare this prediction to an independent, altimetry-derived sea surface height trend corrected for ocean dynamic variability in the region adjacent to the ice sheet. A statistically significant correlation between the two fields ( P < 0.001) provides an unambiguous observational detection of the near-field sea level fingerprint of recent GrIS melting in our warming world.

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 enseignants0,005
Score d'incertitude au seuil0,010

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,035
Tête enseignante GPT0,220
Écart entre enseignants0,185 · 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

Citations30
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetCryospheric studies and observationsTravaux en français237 207