MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408429100 · doi:10.5194/egusphere-egu25-14504

Global Insight into Extreme Events and Land Subsidence: Understanding Drivers, Interplay, and Impacts

2025· preprint· en· W4408429100 sur OpenAlexaff
Laurie S. Huning, Charlotte Love, Hassan Anjileli, Farshid Vahedifard, Yunxia Zhao, Pedro Luiz Borges Chaffe, K Cooper, Aneseh Alborzi, Edward Pleitez, Alexandre Martinez, Samaneh Ashraf, Iman Mallakpour, Hamed Moftakhari, Amir AghaKouchak

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensUniversité de MontréalUnited Nations University Institute for Water, Environment, and Health
Organismes subventionnairesnon disponible
Mots-clésSubsidenceGeographyEnvironmental resource managementEconomic geographyEnvironmental planningEnvironmental scienceGeologyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Land subsidence (LS) or the relative lowering of the Earth’s ground surface is a critical concern that warrants global attention. LS is a chronic hazard in many areas that has adverse effects on built infrastructure, people, and natural systems. As global atmospheric temperatures rise and the water cycle intensifies, climatic extreme events (e.g., droughts, wildfires, heatwaves, floods) are expected to become more severe. We must therefore better understand the impact of interactions and feedbacks among extreme events, LS, human activities, and their effects around the world. Notably, our global study highlights that LS can alter the potential impacts of extreme events, and extreme events can contribute to LS. We also identify a variety of LS drivers, both natural and anthropogenic (e.g., natural compaction, urbanization, extraction of fossil fuels and groundwater from the subsurface), and corresponding LS rates throughout a variety of climatic zones and environments from the coastline inland. This study presents analysis of anthropogenic-related activities and natural processes that cause LS, but can also enhance climate change as greenhouse gases are released from the soil into the atmosphere (e.g., via permafrost thawing or peatland and wetland removal). Through our synthesis of process-driven relationships and examples, we underscore the interplay of climatic extremes and LS that damages infrastructure and enhances the vulnerability of large populations to floods and other natural hazards. Our study provides guidance for future policies and adaptation and mitigation approaches that account for the critical connections between the land surface, environmental change, and extreme events.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,004
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,267
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLandslides and related hazards→Travaux en français237 207→