Bottomfast Ice Mapping and the Measurement of Ice Thickness on Tundra Lakes Using C‐Band Synthetic Aperture Radar Remote Sensing<sup>1</sup>
Notice bibliographique
Résumé
Abstract: Industrial activity in Canada’s north is increasing, placing demands on the use of water from lakes to build ice roads. Winter water withdrawal from these lakes has the potential to impact overwintering fish. Removal of water from small lakes can decrease oxygen and habitat available to fish. To address this issue, a protocol has been developed by the Department of Fisheries and Oceans outlining water withdrawal thresholds. Bathymetric surveys are the traditional method to determine lake depth, but are costly given the remoteness of northern lakes. This paper investigates the use of satellite C‐band synthetic aperture radar (SAR) remote sensing technology as a potential alternative or complement to traditional survey methods. Previous research has shown that a SAR can detect the transition from grounded to floating ice on lakes, or if a lake is completely frozen. Grounded ice has a dark signature while floating ice appears very bright in contrast. Similar results were observed for the datasets acquired in the study area. This suggests that lakes that freeze completely to the bottom can be identified using SAR. Such water bodies would not be viable fish overwintering habitat and can therefore be used as water sources without thresholds necessary. However, attempts to accurately calculate the depth of the ice at the grounded‐floating ice boundary using bathymetric profiles acquired in the summer and lake ice thickness measurements from a reference lake near Inuvik proved to be unreliable.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 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 ».