Revising supraglacial rock avalanche magnitudes and frequencies in Glacier Bay National Park, Alaska
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The frequency of large supraglacial landslides (rock avalanches) occurring in glacial environments is thought to be increasing due to feedbacks with climate warming and permafrost degradation. However, it is difficult to (i) test this; (ii) establish cause–effect relationships; and (iii) determine associated lag-times, due to both temporal and spatial biases in detection rates. Here we applied the Google Earth Engine supraglacial debris input detector (GERALDINE) to Glacier Bay National Park & Preserve (GLBA), Alaska. We find that the number of rock avalanches (RAs) has previously been underestimated by 53 %, with a bias in past detections towards large area RAs. In total, GLBA experienced 69 RAs during 1984–2020, with the highest frequency in the last three years. Of these, 58 % were deposited into the accumulation zone and then sequestered into the ice within two years. RA sources clustered spatially at high elevations and around certain peaks and ridges, predominantly at the boundary of modelled permafrost likelihood. They also clustered temporally, occurring mainly between May and September when air temperatures were high enough to initiate rock-permafrost degradation mechanisms. There was a chronic background debris supply from RAs, with at least one RA occurring in all but nine years; however, a debris rich period during 2012–2016 was driven by three large RAs delivering 44 % of all (1984–2020) debris (by area). Comparable investigation of slope-failures in other remote currently glaciated regions is lacking. If RA rates are similar elsewhere, especially the bias towards emplacement onto/into accumulation zones, their contribution to glacial sediment budgets has been globally underestimated.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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