Geophysical Characterization of Permafrost Distribution in the Yukon River Basin, Alaska
Notice bibliographique
Résumé
Geophysical tools including airborne electromagnetic (HEM), time domain electromagnetic (TDEM), DC resistivity and continuous resistivity profiling (CRP) are used to evaluate permafrost distribution in the Yukon River Basin in the area of Fort Yukon, Alaska. Permafrost is a primary control on hydraulic processes in interior Alaska, but its distribution is poorly characterized. Major questions about the distribution of permafrost limit understanding of hydrology such as the thickness of the permafrost layer, the geometry of taliks and their role in the hydrogeologic framework, and the connection between surface water and groundwater. Electrical and electromagnetic geophysical technologies can be used to characterize permafrost distribution by exploiting the high resistivity contrast of frozen and liquid water phases. These techniques can provide improved spatial coverage at a higher resolution and lower cost than traditional direct sampling techniques, which remain sparse in the area. In an effort to develop geophysical techniques for characterizing permafrost and inform hydrologic models, initial campaigns of geophysical data collection were conducted during the summer of 2010. HEM data was collected from a helicopter in the region surrounding Fort Yukon, Alaska, including the Yukon River and the Porcupine River. Using initial results of the HEM surveys, sites were chosen to collect ground based geophysics to investigate anomalies that appear to relate to the hydrogeologic framework of the area. The ground based geophysical campaign included TDEM, DC resistivity, and CRP. Initial results from this campaign show that the techniques can be successfully used to map thickness and distribution of permafrost in the area.
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) | 0,000 | 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 ».