MétaCan
Menu
← Retour à la cohorte
Enregistrement W6958757217 · doi:10.7280/d1z69g

Data for: Seasonal acceleration of Petermann Glacier, Greenland, from changes in subglacial hydrology

2022· dataset· en· W6958757217 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2022
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWheat and Barley Genetics and Pathology
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésHydrology (agriculture)GlacierSurface runoffDrainage basinIce sheetSeasonalityCryosphereGreenland ice sheet

Résumé

récupéré en direct d'OpenAlex

Petermann Glacier, a major outlet glacier of Northern Greenland, drains a marine-based basin vulnerable to destabilization. Using satellite radar interferometry data from the Sentinel-1a/b missions, we observe a seasonal glacier acceleration of 15% in the summer, from 1,250 m/yr to 1,500 m/yr near the grounding line, but the physical drivers of this seasonality have not been elucidated. Here, we use a subglacial hydrology model coupled one-way to an ice sheet model to evaluate the role of subglacial hydrology as a physical mechanism explaining the seasonality in speed. We model the basal effective pressure using the Glacier Drainage System model which then forces the Ice-sheet and Sea-level System Model. We find an excellent agreement between the observed and modeled velocity in terms of magnitude and timing, and conclude that seasonal changes in subglacial hydrology are sufficient to explain the observed seasonal speed up of Petermann Glacier. This data publication provides all of the scripts and data necessary to initialize and run the subglacial hydrology model and ice sheet model used in this work (Manuscript number 2022GL098009). We also provide the model output and the scripts used to create the figures in the manuscript and the animations in the supplemental document. Several data sets are also made available here, including integrated melt water runoff derived from the regional climate model, MAR (Modèle Atmosphérique Régional), which is used to force the hydrology model, and daily average effective pressure derived from the hydrology model output, which is used to force the ice sheet model. These files combined are sufficient to reproduce all results and figures presented in this work.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,195
Score d'incertitude au seuil0,654

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1950,063

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 Opus0,103
Tête enseignante GPT0,314
Écart entre enseignants0,211 · 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetWheat and Barley Genetics and Pathology→Travaux en français237 207→