MétaCan
Menu
Retour à la cohorte
Enregistrement W2076916582 · doi:10.14430/arctic4368

Thaw Settlement Hazard of Permafrost Related to Climate Warming in Alaska

2014· article· en· W2076916582 sur OpenAlexvenueno aff
Eunkyoung Hong, Robert Perkins, Sarah F. Trainor

Notice bibliographique

RevueARCTIC · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPermafrostSubsidenceClimate changePhysical geographySettlement (finance)Global warmingEnvironmental scienceGeologyHydrology (agriculture)ClimatologyGeographyOceanographyGeomorphologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Permafrost temperatures have increased in Alaska since the 1960s, and many impacts of climate warming are associated with permafrost thaw. Thaw of permafrost caused by increases in permafrost temperature may result in thaw settlement and significant damage to infrastructure. The goal of this research is to identify regions of Alaska at risk from thaw subsidence related to climate warming and to determine the relative risk of those regions. We developed a Permafrost Settlement Hazard Index (PSHI) by analyzing anticipated climate warming and the ecological characteristics that regulate thaw subsidence. This analysis provides statistical verification that the discontinuous permafrost region is at more risk of thaw settlement than other regions of Alaska. In addition, it estimates future thaw subsidence risk in Alaska in 2050 using future temperature increases projected by published climate models. Results indicate increased thaw subsidence risk in northern Alaska in 2050, with the greatest increase expected in parts of northwest Alaska. However, in the interior and southwest Alaska, projected disappearance of permafrost from the surface will reduce the risk of thaw subsidence.

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 enseignants0,010
Score d'incertitude au seuil0,020

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
Bibliométrie0,0010,000
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 Opus0,020
Tête enseignante GPT0,246
Écart entre enseignants0,226 · 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

Citations67
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueARCTICMême sujetClimate change and permafrostTravaux en français237 207