MétaCan
Menu
Retour à la cohorte
Enregistrement W4412843976 · doi:10.1038/s41597-025-05617-1

Tsunami Runup Survey Data From The Taan Fjord Landslide Event

2025· article· en· W4412843976 sur OpenAlexaff
Patrick Lynett, Robert Weiss, Bretwood Higman, Andrew Mattox, Adam Keen, Vassilios Skanavis, Hui Tang, Aykut Ayça, Nikos Kalligeris

Notice bibliographique

RevueScientific Data · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensSelkirk College
Organismes subventionnairesDivision of Civil, Mechanical and Manufacturing InnovationNational Park ServiceNational Science Foundation
Mots-clésFjordGeologyLandslideEvent (particle physics)OceanographyGeographySeismologyPhysics

Résumé

récupéré en direct d'OpenAlex

On 17 October 2015, a mountainside collapse at the terminus of Tyndall Glacier in southeast Alaska generated a landslide-triggered mega-tsunami. The landslide sent approximately 7.6 × 10 7 m 3 of rock and glacial sediment into Taan Fjord, abruptly displacing the water. The ensuing tsunami reached a peak runup of ~193 m on a steep slope directly across from the landslide, ranking among the highest tsunami runups ever documented. The wave inundated over 20 km² of terrain around Taan Fjord and Icy Bay, stripping forests and depositing sediment up to hundreds of meters inland. In 2016, a comprehensive field campaign surveyed the event, recording precise tsunami runup elevations, flow depths, and inundation distances at dozens of sites throughout the fjord and adjacent coastlines. Here we present the resulting datasets: a georeferenced catalogue of tsunami runup measurements, high-resolution topography and bathymetry data, and an extensive collection of field photographs. These data provide a quantitative record of a mega-tsunami’s onshore effects, intended as a benchmark dataset for landslide-tsunami modeling and hazard assessment.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesScience ouverte, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,167
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0070,009
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 GPT0,303
Écart entre enseignants0,250 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetLandslides and related hazardsTravaux en français237 207