MétaCan
Menu
Retour à la cohorte
Enregistrement W2942679311 · doi:10.5194/gmd-12-5291-2019

Ground subsidence effects on simulating dynamic high-latitude surface inundation under permafrost thaw using CLM5

2019· article· en· W2942679311 sur OpenAlexaboutno aff
Altug Ekici, Hanna Lee, David M. Lawrence, Sean Swenson, Catherine Prigent

Notice bibliographique

RevueGeoscientific model development · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesNorges ForskningsrådNational Science Foundation
Mots-clésPermafrostThermokarstBiogeochemical cycleEnvironmental scienceSurface waterWetlandSubsidenceClimate modelGeologyArcticAtmospheric sciencesClimatologyClimate changeHydrology (agriculture)GeomorphologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. Simulating surface inundation is particularly challenging for the high-latitude permafrost regions. Ice-rich permafrost thaw can create expanding thermokarst lakes as well as shrinking large wetlands. Such processes can have major biogeochemical implications and feedbacks to the climate system by altering the pathways and rates of permafrost carbon release. However, the processes associated with it have not yet been properly represented in Earth system models. We show a new model parameterization that allows direct representation of surface water dynamics in CLM (Community Land Model), the land surface model of several Earth System Models. Specifically, we coupled permafrost-thaw-induced ground subsidence and surface microtopography distribution to represent surface water dynamics in the high latitudes. Our results show increased surface water fractions around western Siberian plains and northeastern territories of Canada. Additionally, localized drainage events correspond well to severe ground subsidence events. Our parameterization is one of the first steps towards a process-oriented representation of surface hydrology, which is crucial to assess the biogeochemical feedbacks between land and the atmosphere under changing climate.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,211

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,255
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations37
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetClimate change and permafrostTravaux en français237 207