Mapping Drained Lake Basins on a circumpolar scale
Notice bibliographique
Résumé
Lakes and drained lake basins (DLB) are ubiquitous landforms in permafrost lowland regions, covering 50% to 75% of permafrost lowlands in parts of Alaska, Siberia, and Canada. Depending on the time passed since the drainage event, surface characteristics within the DLB such as surface roughness, vegetation, moisture and abundance of ponds may vary. The mosaic of vegetative and geomorphic succession within DLBs and the distinct differences between DLBs and surrounding areas can be discriminated with remote sensing and used to derive a landscape-scale classification. Previously published local and regional studies have demonstrated the importance of DLBs regarding carbon storage, greenhouse gas and nutrient fluxes, hydrology, geomorphology, and habitat availability. To help quantify these processes on a circumpolar scale and improve the representation of Arctic landscapes in large scale models, a circumpolar data set of DLBs distribution and DLB properties is needed. Due to the inherent temporal characteristics of DLBs, such a data set also has the potential for space-for-time applications regarding landscape models. A pan-Arctic scale effort to map and further the understanding of DLBs in permafrost-regions is the outcome of work conducted within the International Permafrost Association (IPA) Action Group on DLBs, a bottom-up effort led by the scientific community that includes developing a first pan-Arctic drained lake basin data product based on multispectral remote sensing data (Landsat-8). Comprehensive mapping of DLBs areas across the circumpolar permafrost landscape and including field data into this approach will allow for future utilization of these data in pan-Arctic models, aid upscaling efforts and greatly enhance our understanding of DLBs in the context of permafrost landscapes. This will improve quantitative studies on landscape diversity, wildlife habitat, permafrost, hydrology, geotechnical conditions, high-latitude carbon cycling, and landscape vulnerability to climate change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».