Statistical Analyses of Permafrost Subsidence Based on High-resolution InSAR Data
Notice bibliographique
Résumé
Modeling climate-driven changes in permafrost, particularly surface subsidence caused by melting ground ice, remains a significant challenge for Earth System Models (ESMs) due to high spatial and temporal heterogeneity inherent in permafrost dynamics.In this study, we investigate permafrost subsidence using the latest InSAR satellite data on ground displacement. With its meter-scale resolution, InSAR data provides a unique opportunity to examine the highly heterogeneous nature of permafrost subsidence unprecedented sampling density and coverage area. Statistical analyses were conducted on high-resolution data from PALSAR-2, covering five regions: Central North Slope, Inuvik region, Noatak River Basin, Yamal, and Yukon-Kuskokwim Delta.Our findings reveal that permafrost subsidence exhibits consistent statistical properties. The Exponential Weibull distribution (EWD) emerged as the best-fit model across all regions and scales, effectively capturing the skewed and heavy-tailed nature of subsidence distributions. Correlation analyses between subsidence and potential driving factors, including climatic variables derived from ERA5-Land, soil class, and topography, showed low direct correlations. Additional analysis of clustered subsidence distributions in relation to local environmental conditions was performed to explore cross-regional commonalities.Furthermore, we identified key requirements and limitations for improving permafrost subsidence analyses using InSAR data. First, the quality of observation data does not significantly improve beyond a certain threshold of sample size and resolution. While larger datasets produce smoother histograms, the overall shape of the distribution remains unchanged. Second, results from a series of Kolmogorov-Smirnov (K-S) tests show that subsidence data reliability is insensitive to any Gaussian distributed noises.These insights highlight some robustness in the statistical nature of permafrost subsidence while emphasizing the need to focus on other factors, such as temporal and spatial coverage, to advance future analyses on permafrost subsidence under climate impacts. Additionally, the choice of data filters plays a critical role, as effective filtering can preserve large-scale patterns while mitigating atmospheric artifacts.This study provides a statistical perspective on utilizing InSAR data to gain new insights into permafrost subsidence, while identifying current data limitations that urgently need to be addressed.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».