Multitemporal terrestrial laser scanning point clouds for thaw subsidence observation at Arctic permafrost monitoring sites
Notice bibliographique
Résumé
Abstract This paper investigates different methods for quantifying thaw subsidence using terrestrial laser scanning (TLS) point clouds. Thaw subsidence is a slow (millimetre to centimetre per year) vertical displacement of the ground surface common in ice‐rich permafrost‐underlain landscapes. It is difficult to quantify thaw subsidence in tundra areas as they often lack stable reference frames. Also, there is no solid ground surface to serve as a basis for elevation measurements, due to a continuous moss–lichen cover. We investigate how an expert‐driven method improves the accuracy of benchmark measurements at discrete locations within two sites using multitemporal TLS data of a 1‐year period. Our method aggregates multiple experts’ determination of the ground surface in 3D point clouds, collected in a web‐based tool. We then compare this to the performance of a fully automated ground surface determination method. Lastly, we quantify ground surface displacement by directly computing multitemporal point cloud distances, thereby extending thaw subsidence observation to an area‐based assessment. Using the expert‐driven quantification as reference, we validate the other methods, including in‐situ benchmark measurements from a conventional field survey. This study demonstrates that quantifying the ground surface using 3D point clouds is more accurate than the field survey method. The expert‐driven method achieves an accuracy of 0.1 ± 0.1 cm. Compared to this, in‐situ benchmark measurements by single surveyors yield an accuracy of 0.4 ± 1.5 cm. This difference between the two methods is important, considering an observed displacement of 1.4 cm at the sites. Thaw subsidence quantification with the fully automatic benchmark‐based method achieves an accuracy of 0.2 ± 0.5 cm and direct point cloud distance computation an accuracy of 0.2 ± 0.9 cm. The range in accuracy is largely influenced by properties of vegetation structure at locations within the sites. The developed methods enable a link of automated quantification and expert judgement for transparent long‐term monitoring of permafrost subsidence. © 2020 The Authors. Earth Surface Processes and Landforms published by John Wiley & Sons Ltd
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 | 0,001 |
| 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 ».