Northern Hemisphere permafrost map based on TTOP modelling for 2000–2016 at 1 km2 scale
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Permafrost is a key element of the cryosphere and an essential climate variable in the Global Climate Observing System. There is no remote-sensing method available to reliably monitor the permafrost thermal state. To estimate permafrost distribution at a hemispheric scale, we employ an equilibrium state model for the temperature at the top of the permafrost (TTOP model) for the 2000–2016 period, driven by remotely-sensed land surface temperatures, down-scaled ERA-Interim climate reanalysis data, tundra wetness classes and landcover map from the ESA Landcover Climate Change Initiative (CCI) project. Subgrid variability of ground temperatures due to snow and landcover variability is represented in the model using subpixel statistics. The results are validated against borehole measurements and reviewed regionally. The accuracy of the modelled mean annual ground temperature (MAGT) at the top of the permafrost is ±2 °C when compared to permafrost borehole data. The modelled permafrost area (MAGT <0 °C) covers 13.9 × 106 km2 (ca. 15% of the exposed land area), which is within the range or slightly below the average of previous estimates. The sum of all pixels having isolated patches, sporadic, discontinuous or continuous permafrost (permafrost probability >0) is around 21 × 106 km2 (22% of exposed land area), which is approximately 2 × 106 km2 less than estimated previously. Detailed comparisons at a regional scale show that the model performs well in sparsely vegetated tundra regions and mountains, but is less accurate in densely vegetated boreal spruce and larch forests.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,013 |
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 découle