MétaCan
Menu
Retour à la cohorte
Enregistrement W4320000507 · doi:10.5670/oceanog.2023.s1.25

Detection of Landslides and Tsunamis in Douglas Channel and Gardner Canal, British Columbia

2023· article· en· W4320000507 sur OpenAlexaffabout
Fatemeh Nemati, Lucinda J. Leonard, Gwyn Lintern, Camille Brillon, A. J. Schaeffer, Richard E. Thomson

Notice bibliographique

RevueOceanography · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensUniversity of VictoriaFisheries and Oceans CanadaNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésLandslideGeologySubmarine landslideSubaerialChannel (broadcasting)SeismologyHazardSeafloor spreadingGeomorphologyOceanographyTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

In 1975, an underwater landslide in Kitimat Arm at the northern end of Douglas Channel, British Columbia (Figure 1a), triggered tsunami waves that were observed to reach a height of over 8 m at the head of the inlet, destroying a dock and a newly built barge terminal (Bornhold, 1983). Elsewhere in the Douglas Channel region, seafloor deposits attest to previous submarine landslide events (Conway et al., 2012; Stacey et al., 2019), and subaerial landslides of various sizes regularly occur (Maynard et al., 2017). Landslide-generated tsunamis are increasingly recognized as a substantial hazard worldwide, with the potential for extreme wave runup and localized damage, particularly in narrow, steep-sided bays and inlets. In most cases it is not possible to prevent landslides from occurring; however, mitigation efforts can include early landslide detection and the development of tsunami early warning systems using real-time data.

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)0,000
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 enseignants0,102
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,004
Tête enseignante GPT0,181
Écart entre enseignants0,177 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOceanographyMême sujetLandslides and related hazardsTravaux en français237 207