Modélisation des dynamiques d’érosion et de dégradation du pergélisol en milieu arctique basé sur la télédétection à haute résolution spatiale
Bibliographic record
Abstract
La dégradation du pergélisol dans l’Arctique s’accélère sous l’effet des changements climatiques, entraînant une généralisation des processus thermokarstiques et une vulnérabilité accrue des sols riches en glace à l’érosion et au dégel. L’intégration de la modélisation spatiale de l’érosion dans les recherches sur le pergélisol apparaît comme un outil pertinent pour identifier les zones sensibles à la dégradation. Cette étude vise à adapter l’équation universelle révisée des pertes en sol (RUSLE) aux paysages de toundra, en y intégrant des facteurs périglaciaires clés tels que le contenu en glace du pergélisol et l’accumulation de neige. L’étude a été menée dans le sud de l’île Victoria, au Nunavut, à proximité de la communauté d’Iqaluktuuttiaq (Cambridge Bay). Le modèle RUSLE modifié a été appliqué pour évaluer la dynamique de l’érosion dans dix petits bassins versants arctiques. Les résultats du modèle ont été comparés à des observations terrain portant sur des formes de thermoérosion afin d’évaluer son efficacité à détecter les signes de dégradation du pergélisol. Les résultats indiquent que le modèle RUSLE adapté constitue un outil prometteur pour évaluer l’érosion dans les environnements à pergélisol continu, en identifiant les zones sensibles à l’érosion mécanique et thermique. Le modèle met en évidence des zones affectées par des processus de dégradation du pergélisol tels que les glissements rétrogressifs, les ravins de thermoérosion et les détachements de la couche active. Toutefois, la faible occurrence de ces formes sur le site d’étude limite la validation complète de sa capacité prédictive. Les exigences minimales en matière de données rendent le modèle RUSLE adapté particulièrement pertinent pour les régions arctiques éloignées, offrant une alternative évolutive aux techniques de télédétection conventionnelles pour l’évaluation de la dégradation du pergélisol. Toutefois, des améliorations supplémentaires sont nécessaires afin d’accroître son applicabilité à divers paysages périglaciaires et de renforcer sa capacité à prendre en compte les dynamiques locales de la glace de sol.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 source (direct Gemma or distilled Codex), 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".