MABEL photon-counting laser altimetry data in Alaska for ICESat-2simulations and development
Notice bibliographique
Résumé
Abstract. Ice, Cloud, and land Elevation Satellite-2 (ICESat-2) is scheduled to launch in late 2017 and will carry the Advanced Topographic Laser Altimeter System (ATLAS), which is a photon-counting laser altimeter and represents a new approach to satellite determination of surface elevation. Given the new technology of ATLAS, an airborne instrument, the Multiple Altimeter Beam Experimental Lidar (MABEL), was developed to provide data needed for satellite-algorithm development and ICESat-2 error analysis. MABEL was deployed out of Fairbanks, Alaska, in July 2014 to provide a test dataset for algorithm development in summer conditions with water-saturated snow and ice surfaces. Here we compare MABEL lidar data to in situ observations in Southeast Alaska to assess instrument performance in summer conditions and in the presence of glacier surface melt ponds and a wet snowpack. Results indicate the following: (1) based on MABEL and in situ data comparisons, the ATLAS 90 m beam-spacing strategy will provide a valid assessment of across-track slope that is consistent with shallow slopes (< 1°) of an ice-sheet interior over 50 to 150 m length scales; (2) the dense along-track sampling strategy of photon counting systems can provide crevasse detail; and (3) MABEL 532 nm wavelength light may sample both the surface and subsurface of shallow (approximately 2 m deep) supraglacial melt ponds. The data associated with crevasses and melt ponds indicate the potential ICESat-2 will have for the study of mountain and other small glaciers.
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) | 0,001 | 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 ».