MétaCan
Menu
Retour à la cohorte
Enregistrement W4409877814 · doi:10.1017/jog.2025.39

Evolving ice fraction in the shallow firn layer of Devon Ice Cap, Canada, between 2012 and 2022

2025· article· en· W4409877814 sur OpenAlexafffundabout
Danielle Hallé, Wesley Van Wychen, David Burgess, Brad Danielson, Brice Noël, Peter Bezeau, Luke Copland

Notice bibliographique

RevueJournal of Glaciology · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of OttawaQueen's UniversityNatural Resources CanadaUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnvironment and Climate Change CanadaUniversity of WaterlooFonds De La Recherche Scientifique - FNRS
Mots-clésFirnGeologyIce capsIce coreGeomorphologyFraction (chemistry)Physical geographyOceanographySnowGlacierGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Firn can store glacial meltwater and delay contribution to sea level rise, but ice layers and ice slabs within the shallow firn layer can impede the downward percolation of melt. Here we report firn conditions along a transect on southwest Devon Ice Cap (DIC), Nunavut, and explore its response to air temperature variability over a decadal period. We present results from two field campaigns, during which six shallow firn cores were extracted along the same transect in spring 2012 and 2022. At all sites, the ice fraction (IF) was less in 2022 than in 2012, and the firn content increased. Between 2012 and 2022, the IF of the firn layer changed by −30% at the lowest elevation site (1400 m a.s.l.) and by −11% at the highest elevation site (1800 m a.s.l.) and by an average of −26% across all sites. Despite higher annual positive degree day sums during 2012–22 compared to 2002–12, cooler summers in 2013, 2018 and 2021 resulted in less ice content in the shallow firn layer. This demonstrates that the shallow firn layer can regenerate from several cooler years and highlights the nuanced response of the DIC shallow firn layer to climate warming.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,583
Score d'incertitude au seuil0,758

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,019
Tête enseignante GPT0,242
Écart entre enseignants0,223 · 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 tête enseignante, 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

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of GlaciologyMême sujetCryospheric studies and observationsTravaux en français237 207