MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388934599 · doi:10.1029/2023gl106178

Multi‐Decadal Record of Sensible‐Heat Polynya Variability From Satellite Optical and Thermal Imagery at Pine Island Glacier, West Antarctica

2023· article· en· W4388934599 sur OpenAlexfundno aff
Elena Savidge, Tasha Snow, Matthew R. Siegfried

Notice bibliographique

RevueGeophysical Research Letters · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNuclear Safety and Security CommissionNational Aeronautics and Space Administration
Mots-clésGeologyGlacierClimatologyOceanographySatelliteSatellite imageryIce shelfSea iceCryosphereGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract Open ocean areas surrounded by sea ice and maintained by ocean heat, or sensible‐heat polynyas, are linked to key ice‐sheet processes, such as ice‐shelf basal melt and ice‐shelf fracture, when they occur near ice‐shelf fronts. However, the lack of detailed multi‐year records of polynya variability prevent assessing coupling between polynya and frontal dynamics. Here, we present the first multi‐decadal polynya area record (2000–2022) at Pine Island Glacier (PIG), West Antarctica, from thermal and optical satellite imagery. We found substantial interannual variability in polynya area, with consistencies in the timing of polynya opening, maximal extent, and closing. Furthermore, the largest polynya in our record (269 km2) occurred at PIG's western margin just 68 days before iceberg B‐27 calved, suggesting that polynya size and position may influence rifting dynamics. Our new data set provides a pathway to assess coevolving polynya and frontal dynamics, demonstrating the importance of building long‐term, year‐round polynya variability records.

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 enseignants0,056
Score d'incertitude au seuil0,111

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)0,0010,000

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 Opus0,041
Tête enseignante GPT0,284
Écart entre enseignants0,244 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research Letters→Même sujetCryospheric studies and observations→Travaux en français237 207→