Sensitivity of airborne geophysical data to sublacustrine and near-surface permafrost thaw
Notice bibliographique
Résumé
Abstract. A coupled hydrogeophysical forward and inverse modeling approach is developed to illustrate the ability of frequency-domain airborne electromagnetic (AEM) data to characterize subsurface physical properties associated with sublacustrine permafrost thaw during lake-talik formation. Numerical modeling scenarios are evaluated that consider non-isothermal hydrologic responses to variable forcing from different lake depths and for different hydrologic gradients. A novel physical property relationship connects the dynamic distribution of electrical resistivity to ice saturation and temperature outputs from the SUTRA groundwater simulator with freeze–thaw physics. The influence of lithology on electrical resistivity is controlled by a surface conduction term in the physical property relationship. Resistivity models, which reflect changes in subsurface conditions, are used as inputs to simulate AEM data in order to explore the sensitivity of geophysical observations to permafrost thaw. Simulations of sublacustrine talik formation over a 1000-year period are modeled after conditions found in the Yukon Flats, Alaska. Synthetic AEM data are analyzed with a Bayesian Markov chain Monte Carlo algorithm that quantifies geophysical parameter uncertainty and resolution. Major lithological and permafrost features are well resolved by AEM data in the examples considered. The subtle geometry of partial ice saturation beneath lakes during talik formation cannot be resolved using AEM data, but the gross characteristics of sub-lake resistivity models reflect bulk changes in ice content and can identify the presence of a talik. A final synthetic example compares AEM and ground-based electromagnetic responses for their ability to resolve shallow permafrost and thaw features in the upper 1–2 m below ground outside the lake margin.
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 | 0,001 | 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) | 0,001 | 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 ».