MétaCan
Menu
Retour à la cohorte
Enregistrement W3024695573 · doi:10.1029/2020gl087695

A Conceptual Model for Anticipating the Impact of Landscape Evolution on Groundwater Recharge in Degrading Permafrost Environments

2020· article· en· W3024695573 sur OpenAlexafffundabout
Nathan Young, Jean‐Michel Lemieux, Hugo Delottier, Richard Fortier, Philippe Fortier

Notice bibliographique

RevueGeophysical Research Letters · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité LavalCenter for Northern Studies
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundUniversité Laval
Mots-clésPermafrostGroundwater rechargeThermokarstGroundwaterWater tableVegetation (pathology)Hydrology (agriculture)TundraEnvironmental scienceGeologyArcticSubarctic climatePhysical geographyAquiferGeographyGeotechnical engineeringOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Temperatures in the arctic and subarctic are rising at more than twice the rate of the global average, driving the accelerated thawing of permafrost across the region. The impacts of permafrost degradation have been studied in the discontinuous permafrost zone at Umiujaq, in northern Quebec, Canada, for over 30 years, but the effects of changing land cover on groundwater recharge are not well understood. The water table fluctuation method was used to compute groundwater recharge using 4 years of water level data and soil moisture readings from five field sites characteristic of different stages of permafrost degradation and vegetation invasion. Results indicate that as vegetation grows taller, groundwater recharge increases, likely due to increased snow thickness. Results were then combined with a preexisting conceptual model that describes the evolution from tundra to shrubland and forests to create a new model for describing how groundwater recharge is affected by landscape evolution.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,163
Tête enseignante GPT0,345
Écart entre enseignants0,182 · 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'étudeThéorique ou conceptuel
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

Citations30
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetClimate change and permafrostTravaux en français237 207