Monitoring Bedfast Ice and Ice Phenology in Lakes of the Lena River Delta Using TerraSAR-X Backscatter and Coherence Time Series
Notice bibliographique
Résumé
Thermokarst lakes and ponds are major elements of permafrost landscapes, occupying up to 40% of the land area in some Arctic regions. Shallow lakes freeze to the bed, thus preventing permafrost thaw underneath them and limiting the length of the period with greenhouse gas production in the unfrozen lake sediments. Radar remote sensing permits to distinguish lakes with bedfast ice due to the difference in backscatter intensities from bedfast and floating ice. This study investigates the potential of a unique time series of three-year repeat-pass TerraSAR-X (TSX) imagery with high temporal (11 days) and spatial (10 m) resolution for monitoring bedfast ice as well as ice phenology of lakes in the zone of continuous permafrost in the Lena River Delta, Siberia. TSX backscatter intensity is shown to be an excellent tool for monitoring floating versus bedfast lake ice as well as ice phenology. TSX-derived timing of ice grounding and the ice growth model CLIMo are used to retrieve the ice thicknesses of the bedfast ice at points where in situ ice thickness measurements were available. Comparison shows good agreement in the year of field measurements. Additionally, for the first time, an 11-day sequential interferometric coherence time series is analyzed as a supplementary approach for the bedfast ice monitoring. The coherence time series detects most of the ice grounding as well as spring snow/ice melt onset. Overall, the results show the great value of TSX time series for monitoring Arctic lake ice and provide a basis for various applications: for instance, derivation of shallow lakes bathymetry, evaluation of winter water resources and locating fish winter habitat as well as estimation of taliks extent in permafrost.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».