Winter open-water zone remote sensing (2017-2023) and field (2023) data from the Yukon and Kuskokwim rivers and their tributaries in western Alaska
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Timing and completeness of freeze-up on northern rivers impacts safe winter travel and may indicate responses to climate change. Open-water zones (OWZs) within ice-covered rivers are hazardous partly because their unpredictability and are suggested to be increasing in extent and persistence due to groundwater upwelling, higher winter discharge, and permafrost degradation. To better understand the distribution, variability, and mechanisms of winter OWZs, we selected nine study reaches totaling 400 kilometers (km) of the Yukon and Kuskokwim rivers and their tributaries for remote sensing analysis and field studies in western Alaska, USA. We identified 51 OWZs from late November optical imagery along these reaches ranging from 60 meters (m) to 9 km in length, inventoried their persistence over six years, and at a subset measured ice thickness, under-ice water depth and velocity, water-column and river-bed physico-chemistry. Concurrently, we investigated if and to what extent sediment was entrained in river ice at these same sites. These locations corresponding to observed OWZs were quantified by size, classified by hydrogeomophic location, and tracked for consistency during the preceding five years in the early (late November) and late (late February or early March) winter periods. A subset of these OWZ were visited in March of 2023 to collect additional field data on snow, ice, and physico-chemistry including ice sediment concentration. This research is part of the Fresh Eyes on Ice and Sediment Ice Learning on the Tanana (SILT) projects.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 découle