MétaCan
Menu
Retour à la cohorte
Enregistrement W2765141680 · doi:10.3997/2214-4609.201701968

Geophysical Characteristics of Permafrost Degradation across Boreal Landscapes after Disturbance by Fire or Water

2017· article· en· W2765141680 sur OpenAlexaboutno aff
Burke J. Minsley, Neal J. Pastick, Bruce K. Wylie, Dana R. N. Brown, A. Kass

Notice bibliographique

RevueProceedings · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPermafrostElectrical resistivity tomographyTransectThermokarstEnvironmental scienceGeologyTaigaBorealDisturbance (geology)Active layerHydrology (agriculture)Physical geographyEarth scienceGeomorphologyOceanographyEcologyGeography

Résumé

récupéré en direct d'OpenAlex

Summary Fire and hydrology can be significant drivers of permafrost change in boreal landscapes, altering the availability and transport of soil carbon and nutrients that have important implications for future climate and ecological succession. However, not all landscapes are equally susceptible to disturbance by fire or hydrological processes. As fire frequency is expected to increase in the high latitudes, methods to understand the vulnerability and resilience of different landscapes to permafrost degradation are needed. We present a combination of multi-scale remote sensing, geophysical, and field observations that reveal details of both near-surface (<1 m) and deeper impacts of fire and hydrology on permafrost. Along 42 transects that collectively span more than 6,000 m at 31 sites located in different landscape settings within interior Alaska, subsurface geophysical imaging indicates locations where permafrost appears to be resilient to disturbance from fire or small streams, areas where warm permafrost conditions exist that may be most vulnerable to future change, and also where permafrost has thawed after fire or because of nearby surface water. Data collected along each transect include observations of active layer thickness (ALT), organic layer thickness (OLT), plant species cover, electrical resistivity tomography (ERT), and downhole Nuclear Magnetic Resonance (NMR) measurements. In addition, we discuss 300 km of newly acquired airborne electromagnetic (AEM) data in the western part of the lake-rich Yukon Flats that extends the coverage of an earlier 2010 AEM survey into a more ice-rich region. AEM data are used to evaluate the relationship between surface water features and deep (up to 100 m or more) permafrost extent in order to evaluate the potential for subsurface hydrologic connectivity and the potential for lateral fluxes of water.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,008
Score d'incertitude au seuil1,000

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,248
Écart entre enseignants0,229 · 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.

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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedingsMême sujetClimate change and permafrostTravaux en français237 207