MétaCan
Menu
Retour à la cohorte
Enregistrement W6930764095 · doi:10.5281/zenodo.14010257

Kaskawulsh River headwaters: reference model ensemble-mean outputs

2024· dataset· en· W6930764095 sur OpenAlexaffabout

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
Thématique14-3-3 protein interactions
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSnowmeltSurface runoffSnowDrainage basinMeltwaterHydrology (agriculture)Precipitation

Résumé

récupéré en direct d'OpenAlex

This dataset contains outputs from the distributed mass-balance model originally developed by Young et al. (2021) and adapted by Robinson et al. (2024). Model outputs span 1980–2022 and include 13 different mass balance and runoff variables for the Kaskawulsh River headwaters, a highly-glacierized catchment in Southwest Yukon. These are the outputs for the “reference model”, a 100-simulation ensemble tailored to the catchment with site-specific observations of accumulation, the debris-ablation relationship, the geodetic mass balance, and transient snowlines. For more details, see: Robinson, K. M., Flowers, G. E., & Rounce, D. R. (2024). Sensitivity of modelled mass balance and runoff to representations of debris and accumulation on the Kaskawulsh Glacier, Yukon, Canada. Robinson, K. (2024). Reconstructing a multi-decadal runoff record for a highly-glacierized catchment in Yukon, Canada. MSc Thesis. https://summit.sfu.ca/item/38185 Output variables (all in units of m w.e.) include: Mass balance Glacier ice melt Snowmelt Superimposed ice melt Refreezing Net snow melt (total snowmelt minus refreezing) Accumulation Rainfall Refrozen rainfall Rain runoff (rainfall minus refrozen rain) Superimposed-ice layer thickness (‘SI’) Snow depth Potential retention mass (‘Ptau’) Three types of output files are included in this dataset: The raw netcdf file outputs from the model (NETCDF_FILES) 2 files per year per variable (the ensemble mean and ensemble standard deviation) (see Robinson et al. 2024) File dimensions are t,x,y, = (365 days, 230 gridcells x 329 grid cells). Grid Cells are 200m x 200m. Units are m w.e. day-1, except for the variables snow depth, superimposed ice, and potential retention mass, which have units of m w.e. and reflect the total depth/thickness on each day. Distributed outputs ({variable}_distributed) 1 text file per year per variable.. Each file contains the distributed annual total for a given variable (units = m w.e. a-1). Annual totals are summed over the hydrological year (Oct 1-Sept 30). (e.g. accumulation_distributed_2000.txt is the total accumulation summed over Oct 1 2000 to Sept 30 2001). File dimensions are x,y = 230 gridcells x 329 grid cells. Glacier-wide mean timeseries (timeseries_1979-2022) Files are labeled by: REF_MODEL_{variable}_{domain}_{years}.txt Variables are averaged over: Catchment-wide (domain = ‘krh’) Kaskawulsh Glacier only (domain = ‘kw’) All glacierized areas (domain = ‘allgl’) File dimensions are 43 x 366 (year x DOY). NaN replaces the Feb 29th value on a non-leap year. Each row spans one hydrological year (Oct 1-Sept 30). Units are (m w.e. day-1), except for the variables snow depth, superimposed ice, and potential retention mass, which have units of m w.e. and reflect the total depth/thickness on each day.

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)0,000
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 consensuellesCharge 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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,044

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 Opus0,041
Tête enseignante GPT0,279
Écart entre enseignants0,238 · 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujet14-3-3 protein interactionsTravaux en français237 207