MétaCan
Menu
Retour à la cohorte
Enregistrement W4401980981 · doi:10.5194/hess-28-3931-2024

Thermal regime of High Arctic tundra ponds, Nanuit Itillinga (Polar Bear Pass), Nunavut, Canada

2024· article· en· W4401980981 sur OpenAlexaffabout
Kathy L. Young, Laura C. Brown

Notice bibliographique

RevueHydrology and earth system sciences · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiens3v Geomatics (Canada)York University
Organismes subventionnairesnon disponible
Mots-clésTundraArcticPolarThe arcticEnvironmental sciencePermafrostGeologyPhysical geographyOceanographyGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

This study evaluates the seasonal and inter-seasonal temperature regime of small tundra ponds ubiquitous to an extensive, low-gradient wetland in the Canadian High Arctic. Pond temperatures can modify evaporation and ground thaw rates, impact losses of greenhouse gases, and control the timing and emergence of insects and larvae critical for migratory-bird feeding habits. We focus our study on thaw ponds with a range of hydrologic linkages and sizes across Nanuit Itillinga, formerly known as Polar Bear Pass (PBP), Bathurst Island, and compare their thermal signals to other Arctic ponds. Pond temperatures and water levels were evaluated using temperature and water level loggers and verified by regular manual measurements. Other environmental data collected included microclimate, frost table depths, and water conductivity. Our results show that there is much variability in pond thermal regimes over seasons, years, and space. Cumulative relative pond temperatures were similar across years, with ponds normally reaching 10–15 °C for short to longer periods, except in 2013, which experienced a cold summer season during which pond temperatures never exceeded 5 °C. Pond frost tables and water conductivities respond to variable substrate conditions and pond thermal patterns. This study contributes to the ongoing discussion on climate warming and its impact on Arctic landscapes.

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 enseignants0,036
Score d'incertitude au seuil0,073

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
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 Opus0,018
Tête enseignante GPT0,204
Écart entre enseignants0,186 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrology and earth system sciencesMême sujetClimate change and permafrostTravaux en français237 207