Influence of ecosystem and disturbance on near‐surface permafrost distribution, Whatì, Northwest Territories, Canada
Notice bibliographique
Résumé
Abstract For remote communities in the discontinuous permafrost zone, access to permafrost distribution maps for hazard assessment is limited and more general products are often inadequate for use in local‐scale planning. In this study we apply established analytical methods to illustrate a time‐ and cost‐efficient method for conducting community‐scale permafrost mapping in the community of Whatì, Northwest Territories, Canada. We ran a binary logistic regression (BLR) using a combination of field data, digital surface model‐derived variables, and remotely sensed products. Independent variables included vegetation, topographic position index, and elevation bands. The dependent variable was sourced from 139 physical checks of near‐surface permafrost presence/absence sampled across the variable boreal–wetland environment. Vegetation is the strongest predictor of near‐surface permafrost in the regression. The regression predicts that 50.0% (minimum confidence: 36%) of the vegetated area is underlain by near‐surface permafrost with a spatial accuracy of 72.8%. Analysis of data recorded across various burnt and not‐burnt environments indicated that recent burn scenarios have significantly influenced the distribution of near‐surface permafrost in the community. A spatial burn analysis predicted up to an 18.3% reduction in near‐surface permafrost coverage, in a maximum burn scenario without factoring in the influence of climate change. The study highlights the potential that in an ecosystem with virtually homogeneous air temperature, ecosystem structure and disturbance history drive short‐term changes in permafrost distribution and evolution. Thus, at the community level these factors should be considered as seriously as changes to air temperature as climate changes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 tête enseignante, 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 ».