Perspectives on the production of a glacier inventory from multispectral satellite data in Arctic Canada: Cumberland Peninsula, Baffin Island
Notice bibliographique
Résumé
Abstract The consequences of global warming on land ice masses are difficult to assess in detail, as two-dimensional glacier inventory data are still missing for many remote regions of the world. As the largest future temperature increase is expected to occur at high latitudes, the glaciers and ice caps in the Arctic will be particularly susceptible to the expected warming. This study demonstrates the possibilities of space-borne glacier inventorying at a remote site on Cumberland Peninsula, a part of Baffin Island in Arctic Canada, thereby providing glacier inventory data for this region. Our approach combines Landsat ETM+ and Terra ASTER satellite data, an ASTER-derived digital elevation model (DEM) and Geographic Information System-based processing. We used thresholded ratio images from ETM+ bands 3 and 5 and ASTER bands 3 and 4 for glacier mapping. Manual delineation of Little Ice Age trimlines and moraines has been applied to calculate area changes for 225 glaciers, yielding an average area loss of 11%. A size distribution has been obtained for 770 glaciers that is very different from that for Alpine glaciers. Numerous three-dimensional glacier parameters were derived from the ASTER DEM for a subset of 340 glaciers. The amount of working time required for the processing has been tracked, and resulted in 5 min per glacier, or 7 years for all estimated 160 000 glaciers worldwide.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».