Zur klimatischen Sensitivität der Massenbilanz der Eiskappe von Devon Island, Nunavut, Kanada
Bibliographic record
Abstract
In dieser Arbeit werden Berechnungen zur klimatischen Sensitivität der Eiskappe von Devon Island (Nunavut, Kanada) durchgeführt, die auf einem mit Wärmesummen arbeitenden Massenbilanzmodell basieren. Wichtigste Datenbasis für die Modellrechnungen sind dabei höhenabhängige Massenbilanzreihen der Devon-Eiskappe sowie tägliche Klimadaten der WMO-Station Resolute Bay. Durch die Bestimmung geeigneter Modellparameter (Temperaturgradienten, Wärmesummenkoeffizienten) ist es möglich, das mittlere Massenbilanzprofil gut zu simulieren. Das auf diese Weise kalibrierte Modell kann dann – als einfache Alternative zu Energiebilanzmodellen – zur Berechnung der Sensitivität der Massenbilanz auf Veränderungen von Temperatur und Niederschlag genutzt werden. Anwendungen des Modells verdeutlichen, dass die Massenbilanz der Devon-Eiskappe stark abhängig von der Entwicklung der Sommertemperaturen und die klimatische Sensitivität im Vergleich mit anderen Eismassen aus feuchteren Klimaten sehr klein ist. Die Einbeziehung der saisonalen Abhängigkeit der Massenbilanz kann schließlich helfen, eine mit Schwierigkeiten verbundene Rekonstruktion der jährlichen Massenbilanz zu verbessern.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".