MétaCan
Menu
Retour à la cohorte
Enregistrement W2989015575 · doi:10.1080/1088937x.2019.1686082

Assessment of the cost of climate change impacts on critical infrastructure in the circumpolar Arctic

2019· article· en· W2989015575 sur OpenAlexaboutno aff
Luis Suter, D. A. Streletskiy, N. I. Shiklomanov

Notice bibliographique

RevuePolar Geography · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPermafrostCircumpolar starArcticClimate changeEnvironmental scienceCritical infrastructureEnvironmental resource managementSubsidenceGlobal warmingPhysical geographyClimatologyGeographyOceanographyGeologyStructural basin

Résumé

récupéré en direct d'OpenAlex

The Arctic is experiencing pronounced climatic and environmental changes. These changes pose a risk to infrastructure, impacting the accessibility and development of remote locations and adding additional pressures on local and regional budgets. This study estimates the costs of fixed infrastructure affected by climate change impacts in the Arctic region, specifically on the impacts of permafrost thaw. Geotechnical models are forced by climate data from six CMIP5 models and used to evaluate changes in permafrost geotechnical characteristics between the decades of 2050–2059 and 2006–2015 under the RCP8.5 scenario. Country-specific infrastructure costs are used to estimate the value of infrastructure affected. The results show a 27% increase in infrastructure lifecycle replacement costs across the circumpolar permafrost regions. In addition, more than 14% of total fixed infrastructure assets are at risk of damages due to changes in specific environmental stressors, such as loss of permafrost bearing capacity and thaw subsidence due to ground ice melt. Regions of Northern Canada and Western Siberia are projected to be particularly affected and may require additional annual spending in the excess of 1% of annual GRP to support existing infrastructure into the future.

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 enseignants0,006
Score d'incertitude au seuil0,999

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,276
Écart entre enseignants0,255 · 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

Citations117
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolar GeographyMême sujetClimate change and permafrostTravaux en français237 207