MétaCan
Menu
Retour à la cohorte
Enregistrement W2990235286 · doi:10.3390/rs11232791

Long-Term High-Resolution Sediment and Sea Surface Temperature Spatial Patterns in Arctic Nearshore Waters Retrieved Using 30-Year Landsat Archive Imagery

2019· article· en· W2990235286 sur OpenAlexaboutno aff
Konstantin P. Klein, Hugues Lantuit, Birgit Heim, Frank Fell, David Doxaran, Anna Irrgang

Notice bibliographique

RevueRemote Sensing · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceArcticOceanographyTurbidityPermafrostSedimentPopulationBiological dispersalGeologyHydrology (agriculture)Physical geographyGeographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

The Arctic is directly impacted by climate change. The increase in air temperature drives the thawing of permafrost and an increase in coastal erosion and river discharge. This leads to a greater input of sediment and organic matter into coastal waters, which substantially impacts the ecosystems, the subsistence economy of the local population, and the climate because of the transformation of organic matter into greenhouse gases. Yet, the patterns of sediment dispersal in the nearshore zone are not well known, because ships do not often reach shallow waters and satellite remote sensing is traditionally focused on less dynamic environments. The goal of this study is to use the extensive Landsat archive to investigate sediment dispersal patterns specifically on an exemplary Arctic nearshore environment, where field measurements are often scarce. Multiple Landsat scenes were combined to calculate means of sediment dispersal and sea surface temperature under changing seasonal wind conditions in the nearshore zone of Herschel Island Qikiqtaruk in the western Canadian Arctic since 1982. We use observations in the Landsat red and thermal wavebands, as well as a recently published water turbidity algorithm to relate archive wind data to turbidity and sea surface temperature. We map the spatial patterns of turbidity and water temperature at high spatial resolution in order to resolve transport pathways of water and sediment at the water surface. Our results show that these pathways are clearly related to the prevailing wind conditions, being ESE and NW. During easterly wind conditions, both turbidity and water temperature are significantly higher in the nearshore area. The extent of the Mackenzie River plume and coastal erosion are the main explanatory variables for sediment dispersal and sea surface temperature distributions in the study area. During northwesterly wind conditions, the influence of the Mackenzie River plume is negligible. Our results highlight the potential of high spatial resolution Landsat imagery to detect small-scale hydrodynamic processes, but also show the need to specifically tune optical models for Arctic nearshore environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,196
Score d'incertitude au seuil0,981

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,222
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetClimate change and permafrostTravaux en français237 207