MétaCan
Menu
Retour à la cohorte
Enregistrement W4399985993 · doi:10.1139/as-2023-0066

Exploring the impact of surface lapse rate change scenarios on mountain permafrost distribution in four dissimilar valleys in Yukon, Canada

2024· article· en· W4399985993 sur OpenAlexaffvenueabout
Madeleine C. Garibaldi, Philip P. Bonnaventure, Nick C. Noad, William Kochtitzky

Notice bibliographique

RevueArctic Science · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of OttawaUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésPermafrostPhysical geographyDistribution (mathematics)Lapse rateGeologyGeographyEnvironmental scienceClimatologyOceanographyMathematics

Résumé

récupéré en direct d'OpenAlex

A scenario-based approach was used to test air and ground response to warming with and without changes to inverted surface lapse rates in four Yukon valleys. Generally, climate warming coupled with weakening of temperature inversions resulted in the greatest increase in air temperature at low elevations. However, ground temperatures at high elevations showed the greatest response to warming and variability between scenarios due to increased connectivity between air and ground. Low elevations showed less of a response to warming and permafrost was largely preserved in these locations. Local models also predicted higher permafrost occurrence compared to a regional permafrost probability model, due to the inclusion of differential surface and thermal offsets. Results show that the spatial warming patterns in these mountains may not follow those predicted in other mountain environments following elevation-dependent warming (EDW). As a result, the concept of EDW should be expanded to become more inclusive of a wider range of possible spatial warming distributions. The purpose of this paper is not to provide exact estimations of warming, but rather to provide hypothetical spatial warming patterns, based on logical predictions of changes to temperature inversion strength, which may not directly follow the distribution projected through EDW.

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 candidatesaucune
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 enseignants0,065
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,283
Écart entre enseignants0,169 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetClimate change and permafrostTravaux en français237 207