MétaCan
Menu
Retour à la cohorte
Enregistrement W4313418759 · doi:10.1029/2022gl101150

High and Dry: Billion‐Year Trends in the Aridity of River‐Forming Climates on Mars

2022· article· en· W4313418759 sur OpenAlexaff
Edwin S. Kite, Axel Noblet

Notice bibliographique

RevueGeophysical Research Letters · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePlanetary Science and Exploration
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMars Exploration ProgramAridAridity indexClimate changePhysical geographyEnvironmental scienceLatitudeGeologyClimatologyGeographyAstrobiologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Mars' wet‐to‐dry transition is a major environmental catastrophe, yet the spatial pattern, tempo, and cause of drying are poorly constrained. We built a globally distributed database of constraints on Mars late‐stage paleolake size relative to catchment area (aridity index (AI)), and found evidence for climate zonation as Mars was drying out. Aridity increased over time in southern midlatitude highlands, where lakes became proportionally as small as in modern Nevada. Meanwhile, intermittently wetter climates persisted in equatorial and northern‐midlatitude lowlands. This is consistent with a change in Mars' greenhouse effect that left highlands too cold for liquid water except during a brief melt season, or alternatively with a fall in Mars' groundwater table. The data are consistent with a switch of unknown cause in the dependence of AI on elevation, from high‐and‐wet early on, to high‐and‐dry later. These results sharpen our view of Mars' climate as surface conditions became increasingly stressing for life.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,628
Score d'incertitude au seuil0,224

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,042
Tête enseignante GPT0,298
Écart entre enseignants0,256 · 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 tête enseignante, 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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetPlanetary Science and ExplorationTravaux en français237 207