Large-scale assessment of permafrost conditions using the Canadian Permafrost Electrical Resistivity Survey (CPERS) database
Notice bibliographique
Résumé
Electrical resistivity tomography (ERT) is a geophysical technique that is commonly used to investigate permafrost conditions because the resistivity of earth materials tends to increase greatly when they are frozen, particularly if they are ice-rich.Despite the increasingly widespread use of ERT for permafrost applications over the last 20 years, data sharing in Canada and most other countries has been limited.We created the Canadian Permafrost Electrical Resistivity Survey (CPERS) database as a platform for standardized and accessible sharing of historical and current ERT datasets collected in permafrost environments.Individual researchers from several Canadian institutions have already contributed 280 ERT datasets and associated descriptive, standardized metadata.These datasets were collected between 2008 and 2022 from sites in British Columbia, Labrador, Northwest Territories, Québec, and Yukon, as well as Alaska.Here, we used the published datasets to examine relationships between permafrost resistivity, climate data, and site conditions, including landform type, disturbance, and nearsurface substrate.The findings show an inverse relationship between mean annual air temperature and permafrost resistivity, with variability controlled by site conditions.These analyses demonstrate the utility of the CPERS database for examining largescale trends in permafrost conditions across northern North America, a usefulness that will increase in the future as additional datasets are incorporated.1
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».