Employing Automated Electrical Resistivity Tomography for detecting short- and long-term changes in permafrost and active layer dynamics in the Maritime Antarctic
Notice bibliographique
Résumé
Abstract. Repeated electrical resistivity tomography (ERT) surveys can substantially advance the understanding of spatial and temporal freeze-thaw dynamics in remote regions, such as Antarctica, where the evolution of permafrost has been poorly investigated. To enable the time-lapse ERT surveys in Antarctica, however, an automated ERT (A-ERT) system is required, as regular site visits are not feasible. In this context, we developed a robust A-ERT prototype and installed it in the Crater Lake CALM-S site at Deception Island, Antarctica to collect quasi-continuous ERT measurements. To efficiently process a large number of obtained A-ERT datasets, we developed an automated data processing workflow to efficiently filter and invert the A-ERT datasets and extract the key information required for a detailed investigation of permafrost and active layer dynamics. In this paper, we report on the results of two complete year-round A-ERT datasets collected in 2010 and 2019 at Crater Lake CALM-S site and compare them with available climate and borehole data. The A-ERT profile has a length of 9.5 m with an electrode spacing of 0.5 m, enabling a maximum investigation depth of approximately 2 m. Our detailed investigation of the A-ERT data and inverted modeling results shows that the A-ERT system can detect the active-layer freezing and thawing events with very high temporal resolution. The resistivity of the permafrost zone in 2019 is very similar to the values found in 2010, suggesting the stability of the permafrost over almost one decade at this site. The evolution of thaw depth exhibits also a similar pattern in both years, with the active layer thickness fluctuating between 0.20–0.35 m. However, a slight thinning of the active layer is evident in early 2019, compared to the equivalent period in 2010. These findings show that A-ERT, combined with the new processing workflow that we developed, is an efficient tool for studying permafrost and active layer dynamics with very high resolution and minimal environmental disturbance. The ability of the A-ERT setup to monitor the real-time progression of thaw depth, and to detect brief surficial refreezing and thawing of the active layer reveals the significance of the automatic ERT monitoring system to record continuous resistivity changes. This shows that the A-ERT setup described in this paper can be a significant addition to the Global Terrestrial Network for Permafrost (GTN-P) and the Circumpolar Active Layer Monitoring (CALM) networks to further investigate the impact of fast-changing climate and extreme meteorological events on the upper soil horizons and work towards establishing an early warning system for the consequences of 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».