MétaCan
Menu
Retour à la cohorte
Enregistrement W4416894142 · doi:10.30758/0555-2648-2025-71-4-412-427

Seasonal soil thawing processes on the Severnaya Zemlya archipelago

2025· article· W4416894142 sur OpenAlexfundno aff
Alexander Makshtas, O. R. Sidorova, I. A. Makhotina

Notice bibliographique

RevueArctic and Antarctic Research · 2025
Typearticle
Langue
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesAlberta Agricultural Research Institute
Mots-clésPermafrostAlbedo (alchemy)SnowArchipelagoArcticGlobal warmingTundraEnergy exchange

Résumé

récupéré en direct d'OpenAlex

The recent warming of the Arctic causes degradation of permafrost, release of greenhouse gases due to the decomposition of previously frozen organic matter, increase in the area and diversity of vegetation, and decrease of in the bearing capacity of permafrost soils. In this regard, the evolution of the seasonally thawed soil layer is of particular interest. The paper presents the results of comprehensive studies of energy exchange processes in the atmospheric surface layer and the upper layer of permafrost, carried out in 2016–2020 at the Research Station “Ice Base Mys Baranova” (Bolshevik Island, Severnaya Zemlya Archipelago), supplemented by the results of model calculations of seasonally thawed depth (STD) dynamics. The study examines the role of surface snow albedo decreases due to short-term intrusions of warm air masses, leading to the intensification of snow melting and soil surface heating due to increase in absorbed incoming solar radiation, is analyzed. A version of the Leibenson model, validated by data of observations, is used for assessing the role of landscape factors and meteorological conditions in the dynamics of STD. Despite the simplified formulation of the problem and the approximate assignment of heat and mass transfer of soil properties in the area under study, the model results could be considered satisfactory, and proposed approach can be used for assessing the state of STD.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,092
Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,102
Tête enseignante GPT0,334
Écart entre enseignants0,232 · 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 revueArctic and Antarctic ResearchMême sujetClimate change and permafrostTravaux en français237 207