Pan-Arctic land-ice and tundra meltwater discharge database from 1950 to 2021
Notice bibliographique
Résumé
A high resolution (daily, 250m) land ice and tundra meltwater discharge dataset for the period 1950-2021 in an easily accessible and storage efficient database covering most of the Arctic and sub-Arctic North Atlantic (SNA) ocean region, i.e. Canadian Arctic Archipelago, Greenland, Iceland, Svalbard, Russian Arctic Islands. We distribute 3 files for each Randolph Glacier Inventory v.6.0 first order region studied. These regions are RGI-03 Arctic Canada North (CanadaN), RGI-04 Arctic Canada South (CanadaS), RGI-05 Greenland (Greenland), RGI-06 Iceland (Iceland), RGI-07 Svalbard and Jan Mayen (Svalbard), RGI-09 Russian Arctic (RussiaN). In addition, we distribute a single pan-Arctic file (panArctic_MonthlyBasinRunoff.nc). Meltwater discharge is derived from daily ~6 km regional climate model, Modéle Atmosphérique Régional (MAR), runoff simulations that are statistically downscaled and routed to the coastlines. The statistical downscaling algorithm uses native vertical gradients of the MAR data and high resolution (250 m) DEM, land mask (Copernicus GLO-90) and ice mask (GIMP, RGI) datasets. Routing to coastal outflow points is performed by a hydrological routing scheme applied to the high-resolution DEM and the downscaled runoff. Meltwater components from non-glaciated land, bare glacier ice and glaciated area above the snowline are separated to facilitate further analysis.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».