A decade of detailed observations (2008–2018) in steep bedrock permafrost at the Matterhorn Hörnligrat (Zermatt, CH)
Notice bibliographique
Résumé
Abstract. The PermaSense project is an ongoing interdisciplinary effort between geo-science and engineering disciplines and started in 2006 with the goals of realizing observations that previously have not been possible. Specifically, the aims are to obtain measurements in unprecedented quantity and quality based on technological advances. This paper describes a unique >10-year data record obtained from in situ measurements in steep bedrock permafrost in an Alpine environment on the Matterhorn Hörnligrat, Zermatt, Switzerland, at 3500 ma.s.l. Through the utilization of state-of-the-art wireless sensor technology it was possible to obtain more data of higher quality, make these data available in near real time and tightly monitor and control the running experiments. This data set (https://doi.org/10.1594/PANGAEA.897640, Weber et al., 2019a) constitutes the longest, densest and most diverse data record in the history of mountain permafrost research worldwide with 17 different sensor types used at 29 distinct sensor locations consisting of over 114.5 million data points captured over a period of 10 or more years. By documenting and sharing these data in this form we contribute to making our past research reproducible and facilitate future research based on these data, e.g., in the areas of analysis methodology, comparative studies, assessment of change in the environment, natural hazard warning and the development of process models. Finally, the cross-validation of four different data types clearly indicates the dominance of thawing-related kinematics.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».