MétaCan
Menu
Retour à la cohorte
Enregistrement W752194057

Climate Impacts and Adaptations on Roads in Northern Canada

2006· article· en· W752194057 sur OpenAlexaboutno aff
Susan Tighe, Lynne Cowe Falls, Ralph Haas, Donaldson R MacLeod

Notice bibliographique

RevueTransportation Research Board 85th Annual MeetingTransportation Research Board · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changePermafrostPrecipitationEnvironmental scienceFlooding (psychology)Cold climatePhysical geographyClimatologyGeographyHydrology (agriculture)GeologyMeteorologyOceanography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Canada’s 900,000 km of roads covers a wide diversity of geography, activities, features and climate, with climate being characterized by 10 zones. Two of these zones cover the continuous and discontinuous areas of permafrost, but all have been considered in estimating the effects of climate change, in terms of increasing temperatures, on factors including freeze-thaw cycles, flooding and washouts, slope failures, thermal degradation, precipitation and icing. In turn, the expected outcomes of these factors on paved, gravel and snow and ice roads deterioration have been estimated. The outcomes range from minimal to definitively negative in terms of accelerated deterioration and increased costs. Some potential adaptive measures have been identified, and a case illustration of the effect of a climatic zone changing from wet, high freeze to wet low freeze with increased freeze thaw cycles is provided. This could well be the case for a northern roads situation of increasing temperatures, and the results of the case illustration indicate that for paved roads service life could be reduced by 2 to 5 years. Finally, suggestions for research on the effects of climate change on northern roads are provided, with the highest priorities related to increasing temperatures and increased freeze-thaw cycles.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,098
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,023
Tête enseignante GPT0,303
Écart entre enseignants0,280 · 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.

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

Citations14
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 85th Annual MeetingTransportation Research BoardMême sujetSmart Materials for ConstructionTravaux en français237 207