A decadal investigation of supraglacial lakes in West Greenland using a fully automatic detection and tracking algorithm
Notice bibliographique
Résumé
The sudden drainage of supraglacial lakes has been previously observed to initiate surface-to-bed hydrologic connections, which are capable of enhancing basal sliding, in regions of the Greenland Ice Sheet where ice thickness approaches 1 km. In this study, we develop a robust algorithm, which automatically detects and tracks individual supraglacial lakes using visible satellite imagery, to document the evolution of a population of West Greenland supraglacial lakes over ten consecutive melt seasons. Validation tests indicate that the algorithm is highly accurate: 99.0% of supraglacial lakes can be detected and tracked and 96.3% of reported lakes are true supraglacial lakes with accurate lake properties, such as lake area, and timing of formation and drainage. Investigation of the interannual evolution of supraglacial lakes in the context of annual melt intensity reveals that during more intense melt years, supraglacial lakes drain more frequently and earlier in the melt season. Additionally, the lake population extends to higher elevations during more intense melt years, exposing an increased inland area of the ice sheet to sudden lake drainage events. These observations suggest that increased surface meltwater production due to climate change will enhance the spatial extent and temporal frequency of lake drainage events. It is unclear whether this will ultimately increase or decrease the basal sliding sensitivity of interior regions of the Greenland Ice Sheet.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».