MétaCan
Menu
← Retour à la cohorte
Enregistrement W4320494842 · doi:10.5194/tc-2022-241

Variations of ice thickness in a reservoir along Irtysh River: field measurement and regression analysis

2023· preprint· en· W4320494842 sur OpenAlexaff
Chuntan Han, Chao Kang, Chengxian Zhao, Jianhua Luo, Rensheng Chen

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensEmissions Reduction Alberta
Organismes subventionnairesNational Outstanding Youth Science Fund Project of National Natural Science Foundation of ChinaChinese Polar Environment Comprehensive Investigation and Assessment ProgrammesNational Natural Science Foundation of China
Mots-clésIce formationAir temperatureLinear regressionDegree (music)Linear relationshipEnvironmental scienceAtmospheric sciencesGeologyMaterials scienceMeteorologyMathematicsPhysicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract. This paper presents the analysis results of temperatures collected at three monitoring stations which were used to study ice freezing and thawing processes on a reservoir along Irtysh River. The measured temperatures were comprehensively analyzed and correlated with air temperature measured at a meteorological station. The results showed that air temperature was closely related to temperature at the ice surface, e.g., T40, T20 and T0, and temperatures in ice almost increased linearly with depth. In addition, ice thicknesses were calculated based on measured temperatures along arrays of temperature and compared with that calculated using a simplified Stefan’s model. The results indicated that ice thickness varied spatially and temporally, and Stefan’s model overestimated the ice thicknesses with a maximum discrepancy of 12 cm. Moreover, the calculated ice thickness was correlated with temperatures, variations of temperature and accumulated freezing degree days (AFDD) based on Pearson correlation analysis, showing that ice thickness was proportional to AFDD with a coefficient of 0.89, and negatively correlated with T0, T−3, and Tice(c) with coefficients of −0.69, −0.73 and −0.62, respectively. Therefore, linear and non-linear models were proposed, which were validated using datasets from three stations in Russia and Finland, demonstrating that the linear model incorporating AFDD and T0 can capture local ice freezing and thawing processes with a relatively minor discrepancy, and the results were consistent at different stations. The paper provides an approach to comprehensively study the ice formation process and a practical model to calculate local ice thickness.

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)0,000
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 enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,043
Tête enseignante GPT0,259
Écart entre enseignants0,216 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→