MétaCan
Menu
Retour à la cohorte
Enregistrement W1839128451 · doi:10.1002/grl.50187

Linkages between lake shrinkage/expansion and sublacustrine permafrost distribution determined from remote sensing of interior Alaska, USA

2013· article· en· W1839128451 sur OpenAlexaboutno aff
S. M. Jepsen, Clifford I. Voss, Michelle A. Walvoord, Burke J. Minsley, Jennifer Rover

Notice bibliographique

RevueGeophysical Research Letters · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesStrategic Environmental Research and Development ProgramU.S. Geological Survey
Mots-clésPermafrostAquiferGeologyGroundwaterHydrology (agriculture)Groundwater flowSpatial distributionSurface waterPhysical geographyGeomorphologyEnvironmental scienceRemote sensingOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Linkages between permafrost distribution and lake surface‐area changes in cold regions have not been previously examined over a large scale because of the paucity of subsurface permafrost information. Here, a first large‐scale examination of these linkages is made over a 5150 km2 area of Yukon Flats, Alaska, USA, by evaluating the relationship between lake surface‐area changes during 1979–2009, derived from Landsat satellite data, and sublacustrine groundwater flow‐path connectivity inferred from a pioneering, airborne geophysical survey of permafrost. The results suggest that the shallow (few tens of meters) thaw state of permafrost has more influence than deeper permafrost conditions on the evolving water budgets of lakes on a multidecadal time scale. In the region studied, these key shallow aquifers have high hydraulic conductivity and great spatial variability in thaw state, making groundwater flow and associated lake level evolution particularly sensitive to climate change owing to the close proximity of these aquifers to the atmosphere.

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)0,001
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 enseignants0,057
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
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 Opus0,049
Tête enseignante GPT0,292
Écart entre enseignants0,243 · 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

Citations87
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetClimate change and permafrostTravaux en français237 207