MétaCan
Menu
← Retour à la cohorte
Enregistrement W4237482168 · doi:10.5194/tcd-8-4779-2014

The influence of surface characteristics, topography, and continentality on mountain permafrost in British Columbia

2014· preprint· en· W4237482168 sur OpenAlexaboutno aff
Andreas Hasler, Marten Geertsema, Vanessa N. Foord, Stephan Gruber, Jeannette Noetzli

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPermafrostBedrockSnowSnow coverEnvironmental scienceAtmospheric sciencesOffset (computer science)Physical geographyPlateau (mathematics)ClimatologyGeologyGeomorphologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract. Thermal offset and surface offset are terms that describe the deviation of the mean annual ground temperature from the mean annual air temperature. These offsets are controlled by surface characteristics and topo-climatic factors on a micro- and meso-scales. Macro-climatic conditions may, however, influence the effectiveness of the responsible processes. Existing knowledge on surface- and topography-specific offsets is not easily transferable and limits the applicability of empirical permafrost distribution models over large areas with macro-climatic gradients. In this paper we describe surface and thermal offsets derived from distributed measurements at seven field sites in British Columbia. Key findings are (i) a surprisingly small variation of the surface offsets between different surface types and small thermal offsets in general (excluding wetlands and peat), (ii) a clear influence of the micro-topography at wind exposed sites (snow cover erosion), (iii) a north–south difference of the surface offset of 4 °C in near-vertical bedrock and of 1.5–3 °C on open (no canopy) gentle slopes, (iv) only small macro-climatic differences caused by the reverse influence of snow cover thickness and annual air temperature amplitude. These findings suggest, that empirical permafrost models based on topo-climatic variables may be applicable across regions with significant macro-climatic differences.

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 enseignants0,038
Score d'incertitude au seuil0,077

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
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 Opus0,014
Tête enseignante GPT0,223
Écart entre enseignants0,210 · 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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate change and permafrost→Travaux en français237 207→