MétaCan
Menu
Retour à la cohorte
Enregistrement W2761632597 · doi:10.1139/as-2016-0011

Ice wedge degradation and CO2 and CH4 emissions in the Tuktoyaktuk Coastlands, NT

2017· article· en· W2761632597 sur OpenAlexafffundvenueabout
Abra F. Martin, Trevor C. Lantz, Elyn Humphreys

Notice bibliographique

RevueArctic Science · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensCarleton UniversityUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPermafrostIce wedgeAtmospheric sciencesEnvironmental scienceMethaneTerrainCarbon dioxideAtmosphere (unit)Greenhouse gasPeatCarbon fibersMoistureGeologySoil scienceMeteorologyMaterials scienceChemistry

Résumé

récupéré en direct d'OpenAlex

Increases in ground temperature make soil organic carbon in permafrost environments highly vulnerable to release to the atmosphere. High-centred polygonal terrain is a form of patterned ground that may act as a large source of carbon to the atmosphere because thawing ice wedges can result in increased ground temperatures, soil moisture, and thaw depth. To evaluate the effect of ice wedge degradation on carbon flux, carbon emissions were characterized at two polygonal peatlands in the Tuktoyaktuk Coastlands in northern Canada. Opaque chambers were used to measure CO2 and CH4 emissions from nine nondegraded polygon centres and nine moderately degraded troughs four times during the growing season. To measure emissions from 10 ponds resulting from severe ice wedge degradation, wind diffusion models were used to characterize fluxes using CO2 and CH4 concentration measurements made in each pond. Our field data show that degraded troughs had increased ground temperature, deeper active layers, and increased CO2 and CH4 emissions. Our study shows that rates of CO2 and CH4 emissions from high-centreed polygonal terrain are likely to increase with more widespread melt pond formation in this terrain type.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,060
Tête enseignante GPT0,285
Écart entre enseignants0,225 · 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

Citations13
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetClimate change and permafrostTravaux en français237 207