MétaCan
Menu
← Retour à la cohorte
Enregistrement W4320181670 · doi:10.5194/tc-2022-250-rc2

Comment on tc-2022-250

2023· peer-review· en· W4320181670 sur OpenAlexaff
Nicolas Stoll, Julien Westhoff, Pascal Bohleber, Anders Svensson, Dorthe Dahl‐Jensen, Carlo Barbante, Ilka Weikusat

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesUniversitetet i BergenInstitut Polaire Français Paul Emile VictorBeijing Normal UniversityChinese Academy of SciencesEuropean CommissionTrond Mohn stiftelseOffice of Polar ProgramsNational Institute of Polar ResearchSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungVillum FondenNational Science Foundation
Mots-clésChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. Impurities in polar ice play a critical role in ice flow, deformation, and the integrity of the ice core record. Especially cloudy bands, visible layers with high impurity concentrations are prominent features in ice from the last glacial. Their physical and chemical properties are poorly understood, highlighting the need to analyse them in more detail. We bridge the gap between decimetre and micrometre scales by combining the visual stratigraphy line scanner, fabric analyser, microstructure mapping, Raman spectroscopy, and laser ablation inductively coupled plasma mass spectrometry 2D impurity imaging. We classified almost 1300 cloudy bands from glacial ice from the East Greenland Ice-core Project (EGRIP) ice core into seven different types. We determine the localisation and mineralogy of more than 1000 micro-inclusions at 13 depths. The majority of the found minerals are related to terrestrial dust, such as quartz, feldspar, mica, and hematite. We further found carbonaceous particles, dolomite, and gypsum in high abundance. Rare minerals are e.g., rutile, anatase, epidote, titanite, and grossular. 2D impurity imaging with 20 μm resolution revealed that Na, Mg and Sr are mainly at grain boundaries. Dust-related analytes, such as Al, Fe, and Ti, are also located in the grain interior forming clusters of insoluble impurities. Cloudy bands are thus clearly distinguishable in the chemical data. We present novel vast micron-resolution insights into cloudy bands and describe the differences within and outside these bands. Combining the visual and chemical data results in new insights into the formation of different cloudy band types and could be the starting point for future in-depth studies on impurity signal integrity and internal deformation.

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)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,440
Score d'incertitude au seuil0,799

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0160,007
Charge utile insuffisante (le modèle a refusé de juger)0,4400,351

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 Opus0,075
Tête enseignante GPT0,286
Écart entre enseignants0,211 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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'admission1
Résumé présentoui

Explorer davantage

Même sujetCryospheric studies and observations→Travaux en français237 207→