MétaCan
Menu
Retour à la cohorte
Enregistrement W4412697595 · doi:10.1139/as-2024-0027

Permafrost thermal regime and active layer dynamics across periglacial landforms in Svalbard's Nordenskiöld Land Permafrost Observatory, 2008–2023

2025· article· en· W4412697595 sur OpenAlexvenueaboutno aff
Sarah Marie Strand, Hanne H. Christiansen

Notice bibliographique

RevueArctic Science · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesNorges Forskningsråd
Mots-clésPermafrostLandformGeologyObservatoryEarth scienceActive layerGeomorphologyPhysical geographyAtmospheric sciencesClimatologyLayer (electronics)OceanographyGeographyAstronomyPhysics

Résumé

récupéré en direct d'OpenAlex

On Spitsbergen, Svalbard, the Nordenskiöld Land Permafrost Observatory provides ground temperature time series from 2008 to the present in 16 boreholes located in a variety of periglacial landforms. This study presents trends in permafrost temperatures and active layer thickness, compares these trends to observed climatic changes, and differentiates the climate sensitivity of the studied periglacial landforms. Ground temperature variability in these landforms is driven by Svalbard's air temperature gradients due to elevation and from the warmer west coast to the colder interior, in addition to snow cover and landform dynamics. During the study period, increases in permafrost temperatures and active layer thickness, closely tied to rapid climate warming on Svalbard, were observed at nearly all sites. The observed rates of active layer thickness increase, ranging from 0.5 to 10.7 cm/year, are on the high end of observed values across the circum-Arctic. Decadal increase in temperature at 20 m depth reaches 0.9 °C; the Canadian High Arctic and the Beaufort–Chukchi region are the only Arctic areas with permafrost warming of comparable magnitude. The landforms that are entirely or predominately composed of bedrock or a blocky substrate are the most thermally sensitive to climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,135
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

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

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 Opus0,025
Tête enseignante GPT0,276
Écart entre enseignants0,251 · 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 tête enseignante, 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'admission2
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetClimate change and permafrostTravaux en français237 207