Stabilisation du paysage périglaciaire suite à un épisode de ravinement par thermo-érosion : implication pour la structure et la stabilité thermique du pergélisol de surface
Bibliographic record
Abstract
Dans la vallée Qarlikturvik, à l’Île Bylot (Nunavut), plusieurs ravins de thermo-érosion incisent la terrasse de polygones à coins de glace. Suivant l’épisode catastrophique menant à la création de ravins, ces formes thermokarstiques se stabilisent mais demeurent dans le paysage périglaciaire. L’étude du rétablissement à long-terme du pergélisol dans et autour des ravins est nécessaire afin de mieux comprendre les nouvelles structures du pergélisol qui émergent de la stabilisation. Dans le cadre de ce mémoire de maîtrise, nous nous sommes intéressés à la séquence complète depuis la formation du pergélisol, à la formation du ravin de thermo-érosion, jusqu’à la stabilisation du paysage. Une attention particulière fut portée aux patrons cryostratigraphiques du pergélisol de surface, hérités de la transition ravinement-stabilisation. Le ravin stabilisé à l’étude résulte de l’érosion partielle d’un réseau de coin de glace s’étant développé au sein d’une terrasse de sable et graviers fluvio-glaciaires, de matériel alluvial et de matière organique mixée à des silts éoliens. Une superficie de 226 ± 22 m2 par mètre linéaire de pergélisol raviné a été affectée, dû au ravinement, mais aussi aux processus de stabilisation et d’ajustement du plafond du pergélisol. La glace d’aggradation dans le matériel perturbé et la présence de coins de glace réactivés illustrent l’apport des rétroactions négatives dans les processus de stabilisation du pergélisol. Dans le mètre supérieur du pergélisol, les pentes et les polygones drainés - de part et d’autre du canal du ravin - ont atteints des conditions thermiques qui, globalement, s’apparentent aux conditions pré-ravinement. Dans le cas des polygones drainés uniquement, la surface du pergélisol stabilisé contient dorénavant 1.2 fois plus de chaleur latente que le pergélisol intact. Cela signifie que ces unités stabilisées seraient maintenant plus résistantes au dégel que les polygones humides intacts qui représentent les conditions pré-ravinement. Cette étude démontre l’importance d’étudier l’évolution à long terme des paysages thermokarstiques pour identifier les nouvelles structures du pergélisol, particulièrement dans le contexte des changements climatiques, et souligne la résilience du pergélisol suivant une perturbation catastrophique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".