MétaCan
Menu
Retour à la cohorte
Enregistrement W3200813230 · doi:10.1038/s41598-021-98428-4

Coastal subsidence increases vulnerability to sea level rise over twenty first century in Cartagena, Caribbean Colombia

2021· article· en· W3200813230 sur OpenAlexfundno aff
Juan D. Restrepo, Héctor Mora‐Páez, Freddy Díaz Díaz, Marin Govorčin, Shimon Wdowinski, Leidy Giraldo-Londoño, Marko Tošić, I. Peréz Fernandéz, Juan F. Paniagua‐Arroyave, José Duque-Trujillo

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreUniversidad EAFIT
Mots-clésSubsidenceInterferometric synthetic aperture radarTide gaugeSea levelGeologyPhysical geographyOceanographyClimatologyEnvironmental scienceSynthetic aperture radarGeographyRemote sensingGeomorphology

Résumé

récupéré en direct d'OpenAlex

Cartagena is subsiding at a higher rate compared to that of global climate-driven sea level rise. We investigate the relative sea level rise (RSLR) and the influence of vertical land movements in Cartagena through the integration of different datasets, including tide gauge records, GPS geodetic subsidence data, and Interferometric Synthetic Aperture Radar (InSAR) observations of vertical motions. Results reveal a long-term rate (> 60 years) of RSLR of 5.98 ± 0.01 mm/yr. The last two decades exhibited an even greater rate of RSLR of 7.02 ± 0.06 mm/yr. GPS subsidence rates range between - 5.71 ± 2.18 and - 2.85 ± 0.84 mm/yr. InSAR data for the 2014-2020 period show cumulative subsidence rates of up to 72.3 mm. We find that geologically induced vertical motions represent 41% of the observed changes in RSLR and that subsidence poses a major threat to Cartagena's preservation. The geodetic subsidence rates found would imply a further additional RSLR of 83 mm by 2050 and 225 mm by 2100. The Colombian government should plan for the future and serve as an example to similar cities across the Caribbean.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,898

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,029
Tête enseignante GPT0,240
Écart entre enseignants0,211 · 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'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

Citations40
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetGeophysics and Gravity MeasurementsTravaux en français237 207