Ground‐penetrating radar, electromagnetic induction, terrain, and vegetation observations coupled with machine learning to map permafrost distribution at Twelvemile Lake, Alaska
Notice bibliographique
Résumé
Abstract We collected ground‐penetrating radar (GPR) and frequency‐domain electromagnetic induction (FDEM) profiles in 2011 and 2012 to identify the extent of permafrost relative to surface biomass and solar insolation around Twelvemile Lake near Fort Yukon, Alaska. We compared a Landsat‐derived biomass estimate and modeled solar insolation from a digital elevation model to the geophysical measurements. We show correspondence between vegetation type and biomass relative to permafrost extent and seasonal freeze–thaw. Thicker permafrost (≥25 m) was covered by greater biomass, and seasonal thaw depths in these regions were minimal (1 m). Shallow (1–3 m depth) and thin (20–50 cm) newly forming permafrost or frozen layers from the previous winter occurred below northward oriented slopes with thin biomass cover. South‐facing slopes exhibited permafrost when there was enough biomass to shield incoming solar energy. We developed an artificial neural network to predict permafrost extent across the broader region by mapping GPR‐observed instances of permafrost to FDEM, biomass, and terrain observations with 90.2% accuracy. We identified a strong linear correlation (r = −0.77) between permafrost probability and seasonal thaw depth, indicating that our models may also be used to explore thaw patterns and variability in active layer thickness. This study highlights the combined influence of biomass and terrain on the presence of permafrost and the value of evaluating such parameters via remote sensing to predict permafrost spatial or temporal variability. Incorporating diverse geophysical datasets with in‐situ validation into machine learning models demonstrates a useful approach to upscale estimated permafrost extent across large Arctic expanses.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 0,000 |
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.
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 ».