Impacts of mean annual air temperature change on a regional permafrost probability model for the southern Yukon and northern British Columbia, Canada
Notice bibliographique
Résumé
Abstract. Air temperature changes were applied to a regional model of permafrost probability under equilibrium conditions for an area of nearly 0.5 × 106 km2 in the southern Yukon and northwestern British Columbia, Canada. Associated environmental changes, including snow cover and vegetation, were not considered in the modelling. Permafrost extent increases from 58% of the area (present day: 1971–2000) to 76% under a −1 K cooling scenario, whereas warming scenarios decrease the percentage of permafrost area exponentially to 38% (+ 1 K), 24% (+ 2 K), 17% (+ 3 K), 12% (+ 4 K) and 9% (+ 5 K) of the area. The morphology of permafrost gain/loss under these scenarios is controlled by the surface lapse rate (SLR, i.e. air temperature elevation gradient), which varies across the region below treeline. Areas that are maritime exhibit SLRs characteristically similar above and below treeline resulting in low probabilities of permafrost in valley bottoms. When warming scenarios are applied, a loss front moves to upper elevations (simple unidirectional spatial loss). Areas where SLRs are gently negative below treeline and normal above treeline exhibit a loss front moving up-mountain at different rates according to two separate SLRs (complex unidirectional spatial loss). Areas that display high continentally exhibit bidirectional spatial loss in which the loss front moves up-mountain above treeline and down-mountain below treeline. The parts of the region most affected by changes in MAAT (mean annual air temperature) have SLRs close to 0 K km−1 and extensive discontinuous permafrost, whereas the least sensitive in terms of areal loss are sites above the treeline where permafrost presence is strongly elevation dependent.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».