An Inter-Comparison of Techniques for Determining Velocities of Maritime Arctic Glaciers, Svalbard, Using Radarsat-2 Wide Fine Mode Data
Notice bibliographique
Résumé
Glacier dynamics play an important role in the mass balance of many glaciers, ice caps and ice sheets. In this study we exploit Radarsat-2 (RS-2) Wide Fine (WF) data to determine the surface speed of Svalbard glaciers in the winters of 2012/2013 and 2013/2014 using Synthetic Aperture RADAR (SAR) offset and speckle tracking. The RS-2 WF mode combines the advantages of the large spatial coverage of the Wide mode (150 × 150 km) and the high pixel resolution (9 m) of the Fine mode and thus has a major potential for glacier velocity monitoring from space through offset and speckle tracking. Faster flowing glaciers (1.95 m·d−1–2.55 m·d−1) that are studied in detail are Nathorstbreen, Kronebreen, Kongsbreen and Monacobreen. Using our Radarsat-2 WF dataset, we compare the performance of two SAR tracking algorithms, namely the GAMMA Remote Sensing Software and a custom written MATLAB script (GRAY method) that has primarily been used in the Canadian Arctic. Both algorithms provide comparable results, especially for the faster flowing glaciers and the termini of slower tidewater glaciers. A comparison of the WF data to RS-2 Ultrafine and Wide mode data reveals the superiority of RS-2 WF data over the Wide mode data.
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 ».