Spatial variability of active layer thickness detected by ground‐penetrating radar in the Qilian Mountains, Western China
Notice bibliographique
Résumé
Abstract The active layer plays a key role in geomorphic, hydrologic, and biogeochemical processes in permafrost regions. We conducted a systematic investigation of active layer thickness (ALT) in northeastern Qinghai‐Tibetan Plateau by using ground‐penetrating radar (GPR) with 100 and 200 MHz antennas. We used mechanical probing, pit, and soil temperature profiles for evaluating ALT derived from GPR. The results showed that GPR is competent for detecting ALT, and the error was ±0.08 m at common midpoint co‐located sites. Considerable spatial variability of ALT owing to variation in elevation, peat thickness, and slope aspect was found. The mean ALT was 1.32 ± 0.29 m with a range from 0.81 to 2.1 m in Eboling Mountain. In Yeniu Gou, mean ALT was 2.72 ± 0.88 m and varied from 1.07 m on the north‐facing slope to 4.86 m around the area near the lower boundary of permafrost. ALT in peat decreased with increasing elevation at rates of −1.31 m/km (Eboling Mountain) and −2.1 m/km (Yeniu Gou), and in mineral soil in Yeniu Gou, the rate changed to −4.18 m/km. At the same elevation, ALT on the south‐facing slope was about 0.8 m thicker than that on the north‐facing slopes, while the difference was only 0.18 m in peat‐covered area. Within a 100 m 2 area with a local elevation difference of 0.8 m, ALT varied from 0.68 m to 1.25 m. Both field monitoring and modeling studies on spatial ALT variations require rethinking of the current strategy and comprehensive design.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».