MétaCan
Menu
Retour à la cohorte
Enregistrement W6892254977 · doi:10.5066/p9ust855

Surface geophysical data for characterizing shallow, discontinuous frozen ground near Fort Yukon, Alaska

2020· dataset· en· W6892254977 sur OpenAlexaboutno aff

Notice bibliographique

RevueUSGS DOI Tool Production Environment · 2020
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPermafrostGround-penetrating radarSatelliteHigh resolutionSpatial distributionElectrical resistivity and conductivityGround truth

Résumé

récupéré en direct d'OpenAlex

The distribution of permafrost in cold regions is subject to temporal and spatial changes influenced by climate, landscape disturbance, and ecosystem succession. Remote sensing from airborne and satellite platforms is increasing our understanding of landscape-scale permafrost distribution, but typically lacks the resolution to characterize finer-scale processes and phenomena, which are often better captured by surface geophysical methods. Specifically, the electrical conductivity of the earth can be used to infer lithological and pore fluid properties, and in this case to delineate frozen, partially frozen, and unfrozen ground. Here, we present electromagnetic induction (EMI) data collected in August 2012 around the highly dynamic Twelvemile Lake, Yukon Flats, central Alaska, USA. This data release presents raw and processed results from hand-carried frequency domain EMI data collected with the GEM-2 instrument (Geophex, Ltd.) at approximately 0.75 m off the ground in both vertical and horizontal coplanar modes.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,020

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 Opus0,038
Tête enseignante GPT0,258
Écart entre enseignants0,220 · 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUSGS DOI Tool Production EnvironmentTravaux en français237 207