Optimizing photogrammetric DEMs for glacier volume change assessment using laser-scanning derived ground-control points
Notice bibliographique
Résumé
Abstract Photogrammetric processing of archival stereo imagery offers the opportunity to reconstruct glacier volume changes for regions where no such data exist, and to better constrain the contribution to sea-level rise from small glaciers and ice caps. The ability to derive digital elevation model (DEM) measurements of glacier volume from photogrammetry relies on good-quality, well-distributed ground reference data, which may be difficult to acquire. This study shows that ground-control points (GCPs) can be identified and extracted from point-cloud airborne lidar data and used to control photogrammetric glacier models. The technique is applied to midtre Lovénbreen, a small valley glacier in northwest Svalbard. We show that the amount of ground control measured and the elevation accuracy of GCP coordinates (based on known and theoretical error considerations) has a significant effect on photogrammetric model statistics, DEM accuracy and the subsequent geodetic measurement of glacier volume change. Models controlled with fewer than 20 lidar control points or GCPs from sub-optimal areas within the swath footprint overestimated volume change by 14–53% over a 2 year period. DEMs derived from models utilizing 20–25 or more GCPs, however, gave volume change estimates within ∼4% of those from repeat lidar data (−0.51 m a − 1 between 2003 and 2005). Our results have important implications for the measurement of glacier volume change from archival stereo-imagery sources.
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 | 0,001 | 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 ».