Dataset from: Quantifying the Uncertainty in the Eurasian Ice-Sheet Geometry at the Penultimate Glacial Maximum (Marine Isotope Stage 6)
Notice bibliographique
Résumé
The North Sea Last Interglacial sea level is sensitive to the fingerprint of mass loss from polar ice sheets. However, the signal is complicated by the influence of glacial isostatic adjustment driven by Penultimate Glacial Period ice-sheet changes, and yet these ice-sheet geometries remain significantly uncertain. Here, we produce new reconstructions of the Eurasian ice sheet during the Penultimate Glacial Maximum by employing large ensemble experiments from a simple ice-sheet model that depends solely on basal sheer stress, ice extent, and topography. To explore the range of uncertainty in possible ice geometries, we use a parameterised shear-stress map as input that has been developed to incorporate bedrock characteristics and the influence of ice-sheet basal processes. We perform Bayesian uncertainty quantification, utilising Gaussian Process emulation, to calibrate against global ice-sheet reconstructions of the last deglaciation and rule out combinations of input parameters that produce unrealistic ice sheets. The refined parameter space is then applied to the Penultimate Glacial Maximum to create an ensemble of constrained 3D Eurasian ice-sheet geometries. Our reconstructed Penultimate Glacial Maximum Eurasian ice-sheet volume is 48 ± 8 m sle. We find that the Barents-Kara Sea region displays both the largest mean volume and volume uncertainty of 24 ± 8 m sle while the British-Irish sector’s volume of 1.7 ± 0.2 m sle is smallest. Our new workflow may be applied to other locations and periods where ice-sheet histories have limited empirical data.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,000 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,006 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».