MétaCan
Menu
Retour à la cohorte
Enregistrement W4414844570 · doi:10.5194/tc-19-4259-2025

Ground ice estimation in permafrost samples using industrial computed tomography and multi-sensor core logging and comparison to destructive measurements

2025· article· en· W4414844570 sur OpenAlexafffund
Mahya Roustaei, Joel Pumple, Jordan Harvey, Duane Froese

Notice bibliographique

Revue˜The œcryosphere · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésPermafrostTerrainDigital elevation modelSettlement (finance)Subsidence

Résumé

récupéré en direct d'OpenAlex

Abstract. Permafrost contains a variety of ground ice types (e.g., pore, segregated, intrusive, vein, or massive ice) that have a diversity of cryotextures which organize to form distinctive cryostructures. The distribution and abundance of those ground ice types determine the potential for thaw subsidence and terrain effects of permafrost landscapes. Analysis of permafrost samples allows improved understanding of ground ice formation and internal and external permafrost processes, as well as improved tools to predict thaw settlement and consolidation. However, most methods to characterize permafrost are destructive and of low resolution. Here, some of the limitations of traditional destructive methods are overcome using an industrial computed tomography (CT) scanner. We use this laboratory-based method to systematically characterize five permafrost samples. We visualize cryostructures, measure frozen bulk density, and estimate volumetric and excess ice contents non-destructively and compare these results with traditional destructive analyses at similar spatial scales. The results show strong agreement between traditional destructive analyses (RMSEs for density, volumetric ice, and excess ice contents are 0.12 g cm−3, 3 %, and 6 %, respectively) as well as recent developments using a multi-sensor core logger (MSCL) (RMSEs for density and volumetric ice contents are 0.08 g cm−3 and 7 %, respectively). These results demonstrate that these non-destructive approaches can produce consistent results and provide the added benefit of archiving images and enhancing digital permafrost datasets. The development of standardized and interoperable methods for permafrost characterization has the potential to build more robust permafrost datasets and strengthen efforts to understand future thaw trajectories of permafrost landscapes.

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)0,000
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 enseignants0,161
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

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

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 Opus0,164
Tête enseignante GPT0,312
Écart entre enseignants0,147 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue˜The œcryosphereMême sujetClimate change and permafrostTravaux en français237 207