MétaCan
Menu
Retour à la cohorte
Enregistrement W2035531716 · doi:10.1142/s1464333212500032

ASSESSING LAND SUITABILITY FOR RESIDENTIAL DEVELOPMENT IN PERMAFROST REGIONS: A MULTI-CRITERIA APPROACH TO LAND-USE PLANNING IN NORTHERN QUEBEC, CANADA

2012· article· en· W2035531716 sur OpenAlexafffundabout
Katerine Grandmont, Jeffrey A. Cardille, Daniel Fortier, TANIA GIBÉRYEN

Notice bibliographique

RevueJournal of Environmental Assessment Policy and Management · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité de MontréalUniversité LavalCenter for Northern Studies
Organismes subventionnairesNatural Resources CanadaUniversité de Montréal
Mots-clésPermafrostVulnerability (computing)Climate changeLand useGeographyEnvironmental resource managementEnvironmental planningSettlement (finance)Work (physics)PopulationPopulation growthLand-use planningIntersection (aeronautics)Environmental scienceEnvironmental protectionCivil engineeringCartographyEngineeringComputer scienceEcology

Résumé

récupéré en direct d'OpenAlex

Northern Quebec (Nunavik) presents an important intersection between population growth and climate change. The Inuit population of Nunavik has the fastest growth rate in any region of Canada. Land-use planning is an urgent and pressing need for northern communities built on permafrost, where there are considerable risks to development in areas where permafrost may thaw. As northern communities work to adapt to climate changes, they will be in great need of confident recommendations about locations of future development projects. This paper presents a case-study of the community of Tasiujaq and assesses the probability of thaw settlement of the surface, a process seriously affecting infrastructure stability. A method is developed for quantifying uncertainty in the resulting map, expressed as a function of judgmentbased uncertainty in the various factors that can influence eventual map quality. The best estimate of vulnerability and of the confidence in that estimate can be expressed in a single, simple map that allows an analyst to convey both of these vital aspects of the assessment process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,684
Score d'incertitude au seuil0,776

Scores Codex et Gemma par catégorie

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

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 Opus0,061
Tête enseignante GPT0,309
Écart entre enseignants0,248 · 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 tête enseignante, 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

Citations8
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Assessment Policy and ManagementMême sujetClimate change and permafrostTravaux en français237 207