MétaCan
Menu
Retour à la cohorte
Enregistrement W2293825804 · doi:10.5194/tc-10-1591-2016

Effects of stratified active layers on high-altitude permafrost warming:a case study on the Qinghai–Tibet Plateau

2016· article· en· W2293825804 sur OpenAlexaff
Xicai Pan, Yanping Li, Qihao Yu, Xiaogang Shi, Daqing Yang, Kurt Roth

Notice bibliographique

Revue˜The œcryosphere · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensEnvironment and Climate Change CanadaGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPermafrostActive layerPlateau (mathematics)Hydraulic conductivityEnvironmental scienceAltitude (triangle)PrecipitationAtmospheric sciencesMonsoonGlobal warmingThermal conductivityGeologySoil scienceClimatologyHydrology (agriculture)Climate changeSoil waterLayer (electronics)Materials scienceMeteorologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract. Seasonally variable thermal conductivity in active layers is one important factor that controls the thermal state of permafrost. The common assumption is that this conductivity is considerably lower in the thawed than in the frozen state, λt/λf < 1. Using a 9-year dataset from the Qinghai–Tibet Plateau (QTP) in conjunction with the GEOtop model, we demonstrate that the ratio λt/λf may approach or even exceed 1. This can happen in thick (> 1.5 m) active layers with strong seasonal total water content changes in the regions with summer-monsoon-dominated precipitation pattern. The conductivity ratio can be further increased by typical soil architectures that may lead to a dry interlayer. The unique pattern of soil hydraulic and thermal dynamics in the active layer can be one important contributor for the rapid permafrost warming at the study site. These findings suggest that, given the increase in air temperature and precipitation, soil hydraulic properties, particularly soil architecture in those thick active layers must be properly taken into account in permafrost models.

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)0,001
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 enseignants0,163
Score d'incertitude au seuil0,324

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,027
Tête enseignante GPT0,244
Écart entre enseignants0,217 · 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

Citations36
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œcryosphereMême sujetClimate change and permafrostTravaux en français237 207