MétaCan
Menu
Retour à la cohorte
Enregistrement W4284714474 · doi:10.1038/s41561-022-00979-2

Permafrost cooled in winter by thermal bridging through snow-covered shrub branches

2022· article· en· W4284714474 sur OpenAlexafffundabout
Florent Dominé, Kévin Fourteau, Ghislain Picard, Georg Lackner, Denis Sarrazin, Mathilde Poirier

Notice bibliographique

RevueNature Geoscience · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité LavalMakivik Corporation
Organismes subventionnairesInstitut Polaire Français Paul Emile VictorBNP Paribas CardifCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaFondation BNP ParibasNatural Sciences and Engineering Research Council of CanadaEuropean CommissionParks Canada
Mots-clésPermafrostSnowShrubBridging (networking)GeologyPhysical geographyEarth scienceSnow coverEnvironmental scienceClimatologyGeomorphologyGeographyOceanographyEcology

Résumé

récupéré en direct d'OpenAlex

Considerable expansion of shrubs across the Arctic tundra has been observed in recent decades. These shrubs are thought to have a warming effect on permafrost by increasing snowpack thermal insulation, thereby limiting winter cooling and accelerating thaw. Here, we use ground temperature observations and heat transfer simulations to show that low shrubs can actually cool the ground in winter by providing a thermal bridge through the snowpack. Observations from unmanipulated herb tundra and shrub tundra sites on Bylot Island in the Canadian high Arctic reveal a 1.21 °C cooling effect between November and February. This is despite a snowpack that is twice as insulating in shrubs. The thermal bridging effect is reversed in spring when shrub branches absorb solar radiation and transfer heat to the ground. The overall thermal effect is likely to depend on snow and shrub characteristics and terrain aspect. The inclusion of these thermal bridging processes into climate models may have an important impact on projected greenhouse gas emissions by permafrost.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,074
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,000

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 GPT0,233
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

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

Citations53
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNature GeoscienceMême sujetClimate change and permafrostTravaux en français237 207