Thermokarst Lagoons: Distribution, Classification and Dynamics in Permafrost‐to‐Marine Transitions
Notice bibliographique
Résumé
ABSTRACT The transition of permafrost landscapes to marine environments, driven by climate change, plays a crucial role in the global carbon cycle. Thermokarst lagoons, formed along permafrost coasts when thermokarst lakes get connected to the sea, are key features in this transition. Using remote sensing imagery, we manually mapped and classified 520 thermokarst lagoons along the coastline of five Arctic shelf seas (Laptev, East Siberian, Chukchi, Alaskan Beaufort and Canadian Beaufort seas) between the Taymyr and Tuktoyaktuk peninsulas, and most were located along the Canadian Beaufort Sea. These lagoons cover a total area of 3457 km 2 , with strong regional variations in both size and distribution. Based on their sea connectivity, we categorised the lagoons into five classes, with 55% in early transition stages (very low to low connected). From 2000 to 2021, lagoon area increased in all regions, with the Alaska Beaufort Sea coast showing the most growth (+1.34%). Smaller and isolated lagoons expanded faster than those in lagoon systems or deltas. Our analysis links thermokarst lagoon distribution to coastal erosion, land cover, ground ice and organic carbon, showing that most lagoons are located in areas of thermokarst lake coverage and high coastal erosion. This unique pan‐Arctic dataset serves as a foundation for understanding thermokarst lagoon dynamics and their role in the rapidly changing Arctic environment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».