Notice bibliographique
Résumé
Maddox, W. R. and Kwoll, E., 2024. A Review of geomorphological salt marsh research methodologies. In: Phillips, M.R.; Al-Naemi, S., and Duarte, C.M. (eds.), Coastlines under Global Change: Proceedings from the International Coastal Symposium (ICS) 2024 (Doha, Qatar). Journal of Coastal Research, Special Issue No. 113, pp. 727-731. Charlotte (North Carolina), ISSN 0749-0208. Increased elevation of salt marsh platforms through vertical accretion elicits significant research interest as sea level rise threatens coastlines globally. Appropriate methodologies that quantify marsh morphology will ensure that research provides comprehensive data to predict salt marsh response to increased sea level. This review encompasses historical and contemporary methodologies employed for salt marsh research and their efficacy producing data for modern examinations. Pioneering investigations in the 19th and early 20th centuries aimed to determine the origins and construction processes of salt marshes through the consideration of anecdotal evidence, in-situ observation, and survey records. Mid-century studies employed layer markers, erosion stakes, and pollen content to examine salt marsh maintenance regimes. The modern era has realized numerical models, high resolution digital data acquisition technologies, and large volume analysis software that empower researchers to reconstruct, simulate, and predict morphology with high confidence. Some older methods are unreliable, spatially limited, or obsolete as modern technologies provide more complex data; however, others are still considered to be effective in providing insights into salt marsh morphology. These foundational methods in conjunction with modelling salt marsh response to climate change impacts may be utilized to inform coastal management.
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 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 | 0,038 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».