Permafrost distribution modelling in the semi-arid Chilean Andes
Notice bibliographique
Résumé
Abstract. Mountain permafrost and rock glaciers in the dry Andes are of growing interest due to the increase in mining industry and infrastructure development in this remote area. Empirical models of mountain permafrost distribution based on rock glacier activity status and temperature data have been established as a tool for regional-scale assessments of its distribution; this kind of model approach has never been applied for a large portion of the Andes. In the present study, this methodology is applied to map permafrost favourability throughout the semi-arid Andes of central Chile (29–32° S), excluding areas of exposed bedrock. After spatially modelling of the mean annual air temperature distribution from scarce temperature records (116 station years) using a linear mixed-effects model, a generalized additive model was built to model the activity status of 3524 rock glaciers. A permafrost favourability index (PFI) was obtained by adjusting model predictions for conceptual differences between permafrost and rock glacier distribution. The results indicate that the model has an acceptable performance (median AUROC: 0.76). Conditions highly favourable to permafrost presence (PFI ≥ 0.75) are predicted for 1051 km2 of mountain terrain, or 2.7 % of the total area of the watersheds studied. Favourable conditions are expected to occur in 2636 km2, or 6.8 % of the area. Substantial portions of the Elqui and Huasco watersheds are considered to be favourable for permafrost presence (11.8 % each), while in the Limarí and Choapa watersheds permafrost is expected to be mostly limited to specific sub-watersheds. In the future, local ground-truth observations will be required to confirm permafrost presence in favourable areas and to monitor permafrost evolution under the influence of climate change.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».