Bathymetric Mapping of Shallow Water in Thaw Lakes on the North Slope of Alaska with Spaceborne Imaging Radar
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
Few bathymetric maps are available for the thousands of thaw lakes on the North Slope of Alaska. We describe a semiautomated procedure for bathymetric mapping of water up to 2 m deep (i.e., less deep than the maximum ice thickness) in these lakes. A sequence of ERS-1 synthetic aperture radar (SAR) images and a simulated ice growth curve for winter 1991-92 are used to derive a digital elevation model of lake basins. The method is based on discriminating between floating ice and grounded ice in the SAR images to define raw isobaths; assigning an ice thickness or water depth to each isobath from the simulated ice-growth curve, and interpolating to create equally spaced (0.25 m) isobaths. There is modest agreement between SAR-derived maps and the few available bathymetric maps. Differences between the SAR maps and the original maps are probably unavoidable because of different production methods and original data formats. The concept of using SAR and a simulated ice-growth curve for bathymetric mapping of thaw lakes would benefit from verification based on a comparison with new maps derived from accurate field measurements at a selection of lakes with different morphological characteristics. Nevertheless, it is concluded that this technique is sound and could be used routinely for inexpensive and accurate bathymetric mapping across the entire North Slope and elsewhere (e.g., in Siberia, where large numbers of thaw lakes also occur). Such mapping would greatly increase the amount and spatial coverage of bathymetric data and would provide an accurate baseline against which to detect changes in the size, shape, bottom topography, and location of lakes.
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) | 0,011 | 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