MétaCan
Menu
Retour à la cohorte
Enregistrement W2615432987 · doi:10.3390/rs9050497

Multi-Decadal Surface Water Dynamics in North American Tundra

2017· article· en· W2615432987 sur OpenAlexaboutno aff
Mark Carroll, Tatiana Loboda

Notice bibliographique

RevueRemote Sensing · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTundraEnvironmental scienceGeologyArcticOceanography

Résumé

récupéré en direct d'OpenAlex

Over the last several decades, warming in the Arctic has outpaced the already impressive increases in global mean temperatures. The impact of these increases in temperature has been observed in a multitude of ecological changes in North American tundra including changes in vegetative cover, depth of active layer, and surface water extent. The low topographic relief and continuous permafrost create an ideal environment for the formation of small water bodies—a definitive feature of tundra surface. In this study, water bodies in Nunavut territory in northern Canada were mapped using a long-term record of remotely sensed observations at 30 m spatial resolution from the Landsat suite of instruments. The temporal trajectories of water extent between 1985 and 2015 were assessed. Over 675,000 water bodies have been identified over the 31-year study period with over 168,000 showing a significant (p < 0.05) trend in surface area. Approximately 55% of water bodies with a significant trend were increasing in size while the remaining 45% were decreasing in size. The overall net trend for water bodies with a significant trend is 0.009 ha year−1 per water body.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,774
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,040
Tête enseignante GPT0,263
Écart entre enseignants0,222 · 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 tête enseignante, 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

Citations55
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetClimate change and permafrostTravaux en français237 207