Global Land Subsidence: Impact of Climate Extremes and Human Activities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Globally, land subsidence (LS) often adversely impacts infrastructure, humans, and the environment. As climate change intensifies the terrestrial hydrologic cycle and severity of climate extremes, the interplay among extremes (e.g., floods, droughts, wildfires, etc.), LS, and their effects must be better understood since LS can alter the impacts of extreme events, and extreme events can drive LS. Furthermore, several processes causing subsidence (e.g., ice‐rich permafrost degradation, oxidation of organic matter) have been shown to also release greenhouse gases, accelerating climate change. Our review aims to synthesize these complex relationships, including human activities contributing to LS, and to identify the causes and rates of subsidence across diverse landscapes. We primarily focus on the era of synthetic aperture radar (SAR), which has significantly contributed to advancements in our understanding of ground deformations around the world. Ultimately, we identify gaps and opportunities to aid LS monitoring, mitigation, and adaptation strategies and guide interdisciplinary efforts to further our process‐based understanding of subsidence and associated climate feedbacks. We highlight the need to incorporate the interplay of extreme events, LS, and human activities into models, risk and vulnerability assessments, and management practices to develop improved mitigation and adaptation strategies as the global climate warms. Without consideration of such interplay and/or feedback loops, we may underestimate the enhancement of climate change and acceleration of LS across many regions, leaving communities unprepared for their ramifications. Proactive and interdisciplinary efforts should be leveraged to develop strategies and policies that mitigate or reverse anthropogenic LS and climate change impacts.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle