Supra-glacial debris cover changes in the Greater Caucasus from 1986 to 2014
Notice bibliographique
Résumé
Abstract. Knowledge of supra-glacial debris cover and its changes remain incomplete in the Greater Caucasus, in spite of recent glacier studies. Here we present data of supra-glacial debris cover for 659 glaciers across the Greater Caucasus based on Landsat and SPOT images from the years 1986, 2000 and 2014. We combined semi-automated methods for mapping the clean ice with manual digitization of debris-covered glacier parts and calculated supra-glacial debris-covered area as the residual between these two maps. The accuracy of the results was assessed by using high-resolution Google Earth imagery and GPS data for selected glaciers. From 1986 to 2014, the total glacier area decreased from 691.5±29.0 to 590.0±25.8 km2 (15.8±4.1 %, or ∼0.52 % yr−1), while the clean-ice area reduced from 643.2±25.9 to 511.0±20.9 km2 (20.1±4.0 %, or ∼0.73 % yr−1). In contrast supra-glacial debris cover increased from 7.0±6.4 %, or 48.3±3.1 km2, in 1986 to 13.4±6.2 % (∼0.22 % yr−1), or 79.0±4.9 km2, in 2014. Debris-free glaciers exhibited higher area and length reductions than debris-covered glaciers. The distribution of the supra-glacial debris cover differs between the northern and southern and between the western, central and eastern Greater Caucasus. The observed increase in supra-glacial debris cover is significantly stronger on the northern slopes. Overall, we have observed up-glacier average migration of supra-glacial debris cover from about 3015 to 3130 m a.s.l. (metres above sea level) during the investigated period.
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) | 0,012 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».