MétaCan
Menu
Retour à la cohorte
Enregistrement W4317860857 · doi:10.1088/1748-9326/acb5b1

Simulating future climate change impacts on snow- and ice-related driving hazards in Arctic-boreal regions

2023· article· en· W4317860857 sur OpenAlexaboutno aff
Heather E. Greaves, Natalie T. Boelman, Todd J. Brinkman, Glen E. Liston, Laura R. Prugh, Adele K. Reinking

Notice bibliographique

RevueEnvironmental Research Letters · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesNuclear Safety and Security CommissionAlaska Department of Transportation and Public FacilitiesU.S. Department of TransportationOffice of Experimental Program to Stimulate Competitive ResearchNational Aeronautics and Space Administration
Mots-clésSnowEnvironmental scienceArcticBorealWinter stormClimate changeStormClimatologyTaigaPhysical geographyMeteorologyGeographyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract As Arctic and boreal regions rapidly warm, the frequency and seasonal timing of hazardous driving conditions on all-season Arctic-boreal roads are likely to change. Because these roads link remote Arctic areas to the rest of the North American road system, climate change may substantially affect safety and quality of life for northern residents and commercial enterprises. To gain insight into future hazardous driving conditions, we built Random Forest models that predict the occurrence of hazardous driving conditions by linking snow, ice, and weather simulated by a spatially explicit modeling system (SnowModel) to archived road condition reports from two highly trafficked all-season northern roads: the Dalton Highway (Alaska, USA) and Dempster Highway (Yukon, Canada). We applied these models to downscaled future climate trajectories for the study period of 2006–2100. We estimated future trends in the frequency and timing of icy, wet-icy, and snowy road surfaces, blowing and drifting snow, and high winds. We found that as the climate warms, and the portion of the year when snow and ice occur becomes shorter, overall frequency of snow storms and ice- and snow-related driving hazards decreased. For example, the mean number of days per year when roads are covered in snow or ice decreased by 51 d (−21%) on the Dalton Highway between the 2006–2020 and 2081–2100 time periods. However, the intensity of storms was predicted to increase, resulting in higher mean annual storm wind speeds (Dalton +0.56 m s −1 [+17%]) and snowfall totals (Dalton +0.3 cm [+36%]). Our models also predicted increasing frequency of wet-icy driving conditions during November, December, January, and February, when daylength is short and hazardous conditions may be more difficult to perceive. Our findings may help road managers and drivers adapt their expectations and behaviors to minimize accident risk on Arctic-boreal roads in the future.

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)0,001
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 enseignants0,020
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,060
Tête enseignante GPT0,308
Écart entre enseignants0,247 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetClimate change and permafrostTravaux en français237 207