A new method for deriving glacier centerlines applied to glaciers in Alaska and northwest Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. This study presents a new method to derive centerlines for the main branches and major tributaries of a set of glaciers, requiring glacier outlines and a digital elevation model (DEM) as input. The method relies on a "cost grid–least-cost route approach" that comprises three main steps. First, termini and heads are identified for every glacier. Second, centerlines are derived by calculating the least-cost route on a previously established cost grid. Third, the centerlines are split into branches and a branch order is allocated. Application to 21 720 glaciers in Alaska and northwest Canada (Yukon, British Columbia) yields 41 860 centerlines. The algorithm performs robustly, requiring no manual adjustments for 87.8% of the glaciers. Manual adjustments are required primarily to correct the locations of glacier heads (7.0% corrected) and termini (3.5% corrected). With corrected heads and termini, only 1.4% of the derived centerlines need edits. A comparison of the lengths from a hydrological approach to the lengths from our longest centerlines reveals considerable variation. Although the average length ratio is close to unity, only ~ 50% of the 21 720 glaciers have the two lengths within 10% of each other. A second comparison shows that our centerline lengths between lowest and highest glacier elevations compare well to our longest centerline lengths. For > 70% of the 4350 glaciers with two or more branches, the two lengths are within 5% of each other. Our final product can be used for calculating glacier length, conducting length change analyses, topological analyses, or flowline modeling.
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.
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 découle