Resilience and vulnerability of permafrost to climate changeThis article is one of a selection of papers from The Dynamics of Change in Alaska’s Boreal Forests: Resilience and Vulnerability in Response to Climate Warming.
Notice bibliographique
Résumé
The resilience and vulnerability of permafrost to climate change depends on complex interactions among topography, water, soil, vegetation, and snow, which allow permafrost to persist at mean annual air temperatures (MAATs) as high as +2 °C and degrade at MAATs as low as –20 °C. To assess these interactions, we compiled existing data and tested effects of varying conditions on mean annual surface temperatures (MASTs) and 2 m deep temperatures (MADTs) through modeling. Surface water had the largest effect, with water sediment temperatures being ~10 °C above MAAT. A 50% reduction in snow depth reduces MADT by 2 °C. Elevation changes between 200 and 800 m increases MAAT by up to 2.3 °C and snow depths by ~40%. Aspect caused only a ~1 °C difference in MAST. Covarying vegetation structure, organic matter thickness, soil moisture, and snow depth of terrestrial ecosystems, ranging from barren silt to white spruce ( Picea glauca (Moench) Voss) forest to tussock shrub, affect MASTs by ~6 °C and MADTs by ~7 °C. Groundwater at 2–7 °C greatly affects lateral and internal permafrost thawing. Analyses show that vegetation succession provides strong negative feedbacks that make permafrost resilient to even large increases in air temperatures. Surface water, which is affected by topography and ground ice, provides even stronger negative feedbacks that make permafrost vulnerable to thawing even under cold temperatures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».