Investigating spatial variability of ground temperatures across coastal and continental highlands in Labrador, northeastern Canada
Notice bibliographique
Résumé
Interactions between atmospheric warming, local surface conditions, and ground temperatures complicate efforts to predict future permafrost changes in regions such as Labrador, northeastern Canada, where ground temperature monitoring is limited. This study provides the first comprehensive investigation of factors influencing local-to-regional ground temperature variability in Labrador’s highland environments including in areas subject to infrastructure development. Ground surface temperature measurements ( n = 100), in situ field characteristics (i.e., vegetation, soil, and topography), and remotely derived variables were collected at five sampling areas of varying latitudes and continentalities. Our analysis identified no consistent latitudinal trend in mean annual ground surface temperatures (MAGST) or permafrost occurrence probabilities. Instead, the highest permafrost probabilities were found in dry, wind-blown areas with sparse vegetation cover in Labrador’s southwest interior. Using machine learning, we identified the most important climate variables (i.e., mean annual air temperature and air temperature range) and local site characteristics (i.e., maximum understory vegetation height, snow accumulation indices) for predicting regional variability in MAGSTs. These findings will support future geohazard assessments in similar highlands and aid in the development of fine-resolution permafrost distribution maps. These data also help to establish a critical baseline of thermal conditions for evaluating the impacts of further environmental and climatic changes.
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 | 0,001 | 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 | 0,001 |
| 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) | 0,000 | 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 ».