MétaCan
Menu
Retour à la cohorte
Enregistrement W6930582515 · doi:10.5281/zenodo.14010157

Mass-balance model inputs for the Kaskawulsh River headwaters

2024· dataset· en· W6930582515 sur OpenAlexaffabout

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typedataset
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésElevation (ballistics)PrecipitationDownscalingGeopotential heightHydrology (agriculture)GridCurrent (fluid)Glacier

Résumé

récupéré en direct d'OpenAlex

This dataset contains the input files necessary to run the mass-balance model (see Young et al. (2021), Robinson et al. (2024)) for the Kaskawulsh River headwaters from 1980–2022. Downscaled/bias corrected temperature/precipitation inputs will be uploaded separately due to the large file sizes. Downscaling > CoarseNARR_KRH This folder contains the coarse North American Regional Reanalysis (NARR) data that were downscaled to obtain the temperature/precipitation inputs used to drive the Kaskawulsh River headwaters mass-balance model (see Robinson, 2024). All files contain an array of 6 x 6 gridcells, centered on the Kaskawulsh Glacier, Yukon, Canada. The bottom left corner of the grid has coordinates 502592 E, 6624579 N and is located over Yakutat Bay, Alaska. Variables: air: NARR 3-hourly multi-level air temperatures hgt: NARR 3-hourly multi-level geopotential height apcp: NARR daily total surface precipitation KRH_CE.nc: Time-invariant elevation of NARR gricells Input_geometry > KRH This folder contains the input geometries needed to run the model for the Kaskawulsh River headwaters. KRH_Xgrid.txt / KRH_Ygrid.txt - contains the Easting/Northing (UTM 7N) of each gridcell in the model domain. Zgrids - a folder containing the annual surface elevation grids (m a.s.l.) for 1979–2022 (see Robinson et al. (2024) for details on how these were derived. KRH_SfcType.txt - a value of 0 indicates the gridcell is glacierized terrain, a value of 1 indicates that the gridcell is non-glacierized terrain. KRH_Tributaries.txt - gridcell value indicates which portion of the Kaskawulsh Glacier the gridcell belongs to (1 = South Arm, 2 = Stairway Glacier, 3 = Central Arm, 4 = North Arm, 5 = Trunk). Solar Contains one file per year with the 3-hourly potential direct clear-sky solar radiation, calculated using the shading program from the Hock (1999) Distributed Enhanced Temperature-Index Model (DETIM). For details see Hock (1999). Debris ‘KRH_debrismap.txt’ is a text file with dimensions x,y = 230 gridcells x 329 grid cells. Gridcells are 200 m x 200 m. Each gridcell contains either a value representing the estimated debris thickness (in meters), or NaN if the gridcell is not debris covered. Debris thicknesses are from the Rounce et al. (2021) global debris thickness dataset, interpolated to the Kaskawulsh River headwaters 200 m domain by Robinson (2024). For details on the debris thickness estimate, see Rounce et al. (2021). For details on the interpolation of the original debris thickness estimate to the gridcell size of the model, see Robinson (2024). Tuning > parameters This directory contains a folder ‘initial_params’ with all the original values of a_ice, a_snow, and MF used to tune all the mass-balance models in Robinson et al. (2024) (in groups of 10,000 param combinations). Each additional directory contains the final 100 parameter combinations tuned for each model presented in Robinson et al. (2024), including: The reference model. The debris-free model. The model with sub-debris melt-scaling from Rounce et al. (2021). The model with uncorrected accumulation. The model with accumulation bias corrected with precipitation gauge data. Tuning > snowlines Contains 53 .npy files with the rasterized versions of observed snow cover on the Kaskawulsh Glacier delineated from satellite images (see Robinson, 2024). These rasters are used in the second stage of tuning to compare modelled and observed snowlines.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,329

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0980,037

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 Opus0,134
Tête enseignante GPT0,349
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetScientific Computing and Data ManagementTravaux en français237 207