MétaCan
Menu
Retour à la cohorte
Enregistrement W4280496629 · doi:10.1029/2021gl097195

Watching the Cryosphere Thaw: Seismic Monitoring of Permafrost Degradation Using Distributed Acoustic Sensing During a Controlled Heating Experiment

2022· article· en· W4280496629 sur OpenAlexaff
Feng Cheng, Nathaniel J. Lindsey, Valeriia Sobolevskaia, Shan Dou, Barry Freifeld, Todd Wood, S. R. James, A. M. Wagner, Jonathan Ajo‐Franklin

Notice bibliographique

RevueGeophysical Research Letters · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensBC Studies
Organismes subventionnairesStrategic Environmental Research and Development Program
Mots-clésPermafrostGeologySeismometerPassive seismicCryosphereEnvironmental scienceClimate changeRemote sensingSeismologyClimatologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Permafrost degradation is rapidly increasing in response to a warming Arctic climate, altering landscapes and damaging critical infrastructure. Solutions for monitoring permafrost thaw dynamics are essential to understand biogeochemical feedbacks as well as to issue warnings for hazardous geotechnical conditions. We investigate the feasibility of permafrost monitoring using permanently installed fiber‐optic seismic networks. We conducted a 2‐month seismic monitoring campaign during a controlled thaw experiment using a permanent surface orbital vibrator (SOV) and a 2D‐array of distributed acoustic sensing (DAS) cables, and observed significant (15%) shear‐wave velocity (Vs) reductions and approximately 2 m depression of the permafrost table beneath the heating zone. These observations were validated by time‐lapse horizontal‐to‐vertical spectral ratio (HVSR) analysis from three co‐located broadband seismometers. The combination of SOV and DAS provided unique seismic observations for permafrost monitoring at the field scale, as well as a basis for design and development of early warning systems for permafrost thaw.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,062
Tête enseignante GPT0,310
Écart entre enseignants0,248 · 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

Citations44
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetClimate change and permafrostTravaux en français237 207