A systematic evaluation of electrical resistivity tomography for permafrost interface detection using forward modeling
Notice bibliographique
Résumé
Abstract The accuracy of electrical resistivity tomography (ERT) as a method for locating frozen‐to‐unfrozen interfaces in permafrost environments was investigated systematically for simplified scenarios using forward modeling. The impacts of varying the resistivity, thickness, and lateral continuity of the frozen region, altering the thickness of the surface thaw layer, and of differing array types were evaluated in relation to the detection and positioning of frozen–unfrozen interfaces. The results from these simple scenarios show that boundaries between frozen and unfrozen ground are more accurately indicated by maximum gradients rather than a fixed threshold value based on the resistivity at the base of the surface thawed layer. The resistivity of the frozen region plays a significant role in interpreted boundary locations, with high resistivity values causing a decrease in model sensitivity at depth and increased uncertainty in the interpreted base of the frozen zone, particularly in laterally continuous permafrost. Error in the interpreted base of the frozen zone also increases for thicker permafrost bodies, while thaw layer thickness plays a less significant role. In laterally discontinuous permafrost, wider frozen bodies cause the boundary at the base of the frozen region to become less distinct. Array type affected the appearance of the inverted resistivity models and the frozen–unfrozen boundaries located using the threshold method, but boundary locations were comparable among array types when the maximum gradient method was used. This synthetic modeling showed that the boundaries between unfrozen and frozen regions in ERT images should be interpreted with caution, particularly in ice‐rich, laterally continuous permafrost where sensitivity at depth is low. We conclude that forward modeling is a useful tool for permafrost investigations, both for assessing the likelihood of achieving ERT survey goals prior to fieldwork, and as an interpretive aid after field data have been acquired.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».