MétaCan
Menu
Retour à la cohorte
Enregistrement W4409190705 · doi:10.1038/s43247-025-02234-z

Fluvial erosion linked to warming in the Canadian Arctic

2025· article· en· W4409190705 sur OpenAlexaboutno aff
Jordan Fields, Jack Kreisler, Evan N. Dethier, John Perrotti, Carl E. Renshaw

Notice bibliographique

RevueCommunications Earth & Environment · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésFluvialArcticErosionThe arcticEnvironmental scienceGlobal warmingClimate changePhysical geographyGeologyOceanographyGeographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Warming temperatures have been invoked as a potential mechanism for widespread change to the erosional regime in Arctic regions, where large portions of watersheds are underlain by permanently frozen soils. Yet recent site-specific studies have delivered conflicting results regarding how erosion along Arctic rivers has responded to past temperature increase, and how erosion will respond to rising temperatures in the future. Here we use 92,009 observations of fluvial erosion across 13,400 stream kilometers in the Mackenzie River watershed to show that erosion rates along rivers across the Canadian Arctic are positively correlated to temperature and uncorrelated with vegetative cover over the satellite record (1985-present). While temperature’s erosive effect appears to be mediated by discharge, our results nevertheless suggest warming will lead to increased erosion in the Arctic but that the enhanced erosive regime may be less dramatic than earlier predictions. Increased temperatures in the Canadian Arctic are aligned with higher fluvial erosion, although this is mediated by fluvial discharge, according to analysis of geomorphic data from the Mackenzie River watershed.

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)0,002
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 enseignants0,019
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,053
Tête enseignante GPT0,258
Écart entre enseignants0,205 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetClimate change and permafrostTravaux en français237 207