Aerial images of eroding permafrost coastline, Qikiqtaruk - Hershel Island, Yukon, Canada
Notice bibliographique
Résumé
Permafrost landscapes are changing around the Arctic in response to climate warming, with coastal erosion being one of the most prominent and hazardous features. Using drone platforms, satellite images, and historic aerial photographs, we observed the rapid retreat of a permafrost coastline on Qikiqtaruk – Herschel Island, Yukon Territory, in the Canadian Beaufort Sea. This coastline is adjacent to a gravel spit accommodating several culturally significant sites and is the logistical base for the Qikiqtaruk – Herschel Island Territorial Park operations. In this study we sought to (i) assess short-term coastal erosion dynamics over fine temporal resolution, (ii) evaluate short-term shoreline change in the context of long-term observations, and (iii) demonstrate the potential of low-cost lightweight unmanned aerial vehicles (“drones”) to inform coastline studies and management decisions. We resurveyed a 500 m permafrost coastal reach at high temporal frequency (seven surveys over 40 d in 2017). Intra-seasonal shoreline changes were related to meteorological and oceanographic variables to understand controls on intra-seasonal erosion patterns. To put our short-term observations into historical context, we combined our analysis of shoreline positions in 2016 and 2017 with historical observations from 1952, 1970, 2000, and 2011. In just the summer of 2017, we observed coastal retreat of 14.5 m, more than 6 times faster than the long-term average rate of 2.2±0.1 m a−1 (1952–2017). Coastline retreat rates exceeded 1.0±0.1 m d−1 over a single 4 d period. Over 40 d, we estimated removal of ca. 0.96 m3 m−1 d−1. These findings highlight the episodic nature of shoreline change and the important role of storm events, which are poorly understood along permafrost coastlines. We found drone surveys combined with image-based modelling yield fine spatial resolution and accurately geolocated observations that are highly suitable to observe intra-seasonal erosion dynamics in rapidly changing Arctic landscapes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».