Notice bibliographique
Résumé
Climate change accelerates the extensive retreat and downwasting of glaciers, leading to the widespread formations and rapid growths of glacial lakes worldwide. Spatial distribution information on glacial lakes is crucial for evidencing the climate change impacts and warning about the hazards of glacial lake outbursts. The existing glacial lake inventories are mostly region or basin specific. Therefore, there is therefore a pressing need to obtain a spatially and temporally constrained dataset of global glacial lakes. Based on a semi-automated approach, this study inventories 117,352 glacial lakes (≥0.01 km2) worldwide, with a net area of 24,755.84 ± 2,971.33 km2. The evaluation result shows that the global glacial lake data have an average overall accuracy of 89.37% and 91.42% in number and area, respectively. The global glacial lakes are widely distributed in different altitudes, ranging from the Earth’s third pole to the coastal zones. Most glacial lakes are distributed in Greenland, High-Mountain Asia (HMA), Alaska, western and northern Canada, and the cordilleras. The number and total area of glacial lakes located at the altitude below 1000 m account for 59.35% and 82.84%, respectively, whereas the lakes spanning more than 3000 m are dominantly observed in HMA. The number of glacial lakes between 0.01–0.1 km2 accounts for 77.24% of the total count but only 11.82% of the total area. The classification of glacial lakes as four groups (non–glacier-fed, ice-uncontacted proglacial, ice-contacted proglacial, and supraglacial lakes) indicates that the ice-uncontacted proglacial lakes dominate the number (67.07%) and area (53.04%) worldwide. This dataset is expected to advance the monitoring of glacial lake expansions and the assessment of glacial hazard risk.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».