Improving estimation of glacier volume change: a GLIMS case study of Bering Glacier System, Alaska
Notice bibliographique
Résumé
Abstract. The Global Land Ice Measurements from Space (GLIMS) project has developed tools and methods that can be employed by analysts to create accurate glacier outlines. To illustrate the importance of accurate glacier outlines and the effectiveness of GLIMS standards we conducted a case study on Bering Glacier System (BGS), Alaska. BGS is a complex glacier system aggregated from multiple drainage basins, numerous tributaries, and many accumulation areas. Published measurements of BGS surface area vary from 1740 to 6200 km2, depending on how the boundaries of this system have been defined. Utilizing GLIMS tools and standards we have completed a new outline (3630 km2) and analysis of the area-altitude distribution (hypsometry) of BGS using Landsat images from 2000 and 2001 and a US Geological Survey 15-min digital elevation model. We compared this new hypsometry with three different hypsometries to illustrate the errors that result from the widely varying estimates of BGS extent. The use of different BGS hypsometries results in highly variable measures of volume change and net balance (bn). Applying a simple hypsometry-dependent mass-balance model to different hypsometries results in a bn rate range of −1.0 to −3.1 m a−1 water equivalent (W.E.), a volume change range of −3.8 to −6.7 km3 a−1 W.E., and a near doubling in contributions to sea level equivalent, 0.011 mm a−1 to 0.019 mm a−1. Current inaccuracies in glacier outlines hinder our ability to correctly quantify glacier change. Understanding of glacier extents can become comprehensive and accurate. Such accuracy is possible with the increasing volume of satellite imagery of glacierized regions, recent advances in tools and standards, and dedication to this important task.
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 ».