MétaCan
Menu
Retour à la cohorte

Modelled and observational freshwater flux time series for land ice in the Arctic and North Atlantic for 1958-2016 b.

2018· dataset· en· W6969216653 sur OpenAlexaboutno aff

Notice bibliographique

RevueNERC Environmental Data Service · 2018
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArcticSea iceArctic dipole anomalySurface runoffTundraNetCDFCryosphereArctic ice pack

Résumé

récupéré en direct d'OpenAlex

This dataset comprises modelled and observational solid and liquid coastal freshwater fluxes from land ice in Greenland, Canadian Arctic Archipelago, Svalbard and Iceland. Tundra runoff from all these land areas is also included. The fluxes have been routed to coastal grid cells around the margins of the land areas. The fluxes are provided in three fields: tundra, surface runoff over ice, solid ice discharge (icebergs, for Greenland only). The data are on a 5 km polar stereographic projection with a monthly time step and are in a netcdf format. Detailed description of the derivation of the data can be found in an associated paper in JGR-Oceans: Bamber J.L, et al "Land ice freshwater budget of the Arctic and North Atlantic Oceans. Part I: Data, methods and results". This dataset contains monthly resolution runoff and discharge from 01/01/1958 to 31/12/2016 and is an updated version of the data held at BODC (Bamber et al. 2018, doi:10.5285/643aa9bc-bcd6-45ad-e053-6c86abc07da0).

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
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 enseignants0,102
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,045
Tête enseignante GPT0,246
Écart entre enseignants0,200 · 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 tête enseignante, pas un consensus.

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNERC Environmental Data ServiceTravaux en français237 207