MétaCan
Menu
← Retour à la cohorte
Enregistrement W7019018153

Firn Pack Changes on White Glacier, Axel Heiberg Island, Nunavut

2020· dissertation· en· W7019018153 sur OpenAlexafffundabout

Notice bibliographique

RevueQSpace (Queen's University Library) · 2020
Typedissertation
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensQueen's University
Organismes subventionnairesArcticNetGovernment of OntarioNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésFirnGlacierSnowAccumulation zoneBackscatter (email)Ground-penetrating radar
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The near-surface processes and variability within the firn pack of Arctic glaciers are a significant source of uncertainty in estimating future glacier responses to climate warming. This study provides the first characterization of the firn pack of White Glacier, Axel Heiberg Island, Nunavut, and an analysis of recent firn pack changes (2013-2019). Utilizing ground penetrating radar (GPR) surveys the firn pack thickness, extent, and associated topographic controls on firn distribution were determined. Two methods of GPR analysis were tested in this study. The first followed the traditional approach of conducting visual interpretation of radargrams to identify zones of backscatter associated with firn. The second is a proposed new methodology that uses average backscatter values from each radar return as a proxy indicator of firn presence in the subsurface. The results of these two approaches showed that the firn pack on White Glacier has reduced in extent, and reductions in average backscatter values suggest that the density of the firn has increased in the near surface. Overall, the long-term firn area decreased in extent by 3.96 km2 (10% of the total glacier area) between 2013 and 2018. Rates of surface lowering were determined using dual-frequency GPS surveys. For spring 2018 to spring 2019 the rate was -0.165 ± 0.29 m a-1 in the accumulation area, likely driven by the near surface densification. The potential for average backscatter values to provide information about near surface snow water equivalence is also explored.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil0,529

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,178
Écart entre enseignants0,168 · 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
GenreEmpirique

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
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueQSpace (Queen's University Library)→Même sujetCryospheric studies and observations→Travaux en français237 207→