Potential of RADARSAT-2 stereo radargrammetry for the generation of glacier DEMs
Notice bibliographique
Résumé
ABSTRACT The study of glaciers and ice caps in remote and cloudy regions remains difficult using current remote sensing tools. Here the potential of stereo radargrammetry (SRG) with RADARSAT-2 Wide Ultra-Fine images is explored for DEM extraction, elevation changes and mass-balance calculations on Barnes Ice Cap (Nunavut, Canada). Over low-relief terrain surrounding Barnes, a vertical precision of ~7 m (1σ confidence level) is measured, as well as an average vertical bias of ~4 m. Moreover, we show that the C-band penetration depth over the ice cap is insignificant at this time of the year (i.e. late ablation season). This is likely due to a wet surface and the presence of superimposed ice that leads to a surface radar response. Comparing the SRG DEMs with other datasets, an historical glacier-wide mass balance of −0.52 ± 0.19 m w.e. a −1 is estimated for 1960–2013, whereas it decreases to −1.06 ± 0.84 m w.e. a −1 between 2005 and 2013. This clear acceleration of mass loss is in agreement with other recent studies. Given its all-weather functionality and its possible use without ground control points, the RADARSAT-2 SRG technology represents an appropriate alternative for glacier monitoring in cloudy and remote regions.
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) | 0,000 | 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 ».