MétaCan
Menu
← Retour à la cohorte
Enregistrement W3053213747 · doi:10.5194/egusphere-egu2020-6739

Assessment of a TanDEM-X Digital Elevation Model of the Greenland Ice Sheet and its Zonation for Winter 2015/16

2020· article· en· W3053213747 sur OpenAlexaboutno aff
Sabine Baumann, Birgit Wessel, Martin Huber, Silke Kerkhoff, Achim Roth

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDigital elevation modelSatelliteGreenland ice sheetRemote sensingGeologyIce sheetMeteorologyGeodesyGeographyOceanographyPhysics

Résumé

récupéré en direct d'OpenAlex

The Greenland Ice Sheet (GIS) was the largest contributor to global sea level rise in the 2005 to 2016 period (Meredith et al. in press). Therefore, it is one of the biggest players influencing our climate and monitoring and understanding of its mechanisms and development are of highest relevance. Means to observe and measure such large areas are remote sensing. The Tandem-X mission of DLR and Airbus consists of two satellites (TerraSAR-X and TanDEM-X) that are flying in single pass formation, mapping the Earth in interferometric SAR X-band with a resolution of 12m (Zink et al. 2014). The mission has been flying in this constellation since 2010. Due to the satellite constellation and the SAR system, digital elevation models (DEMs) can be created in high resolution, unaffected by the availability of daylight and the presence of clouds. All data acquired between 2010 to 2014 (Rizzoli et al. 2017) were compled to a global elevation model. Besides this global product, several time slices were created for the GIS (Wohlfart et al. 2018). In this project, we created a DSM mosaic from winter 2015/16 acquisitions, more precisely using more than 2000 DEM scenes (Fritz at al. 2011) from end of October 2015 to beginning of February 2016. One issue of a SAR system is the penetration of the signal into snow. Additionally, water surfaces appear dark in the images due to low backscatter towards the sensor. Therefore, we used winter scenes to minimize the height error. We created an almost seamless DSM out of these scenes for 2015/16. Second, we used SAR features to delineate different snow zones. For this purpose, we used the amplitude, the height error map, and additionally ICESat and ICE Bridge data. References Fritz, T.; Rossi, C.; Yague-Martinez, N.; Rodriguez Gonzalez, F.; Lachaise, M.; Breit H. Interferometric processing of TanDEM-X data, IGARSS 2011, Vancouver, July 2011 Meredith, M.; Sommerkorn M.; Cassotta S.; Derksen C.; Ekaykin A.; Hollowed A.; Kofinas G.; Mackintosh A.; Melbourne-Thomas J.; Muelbert M.M.C.; Ottersen G.; Pritchard H.; and Schuur E.A.G.; 2019: Polar Regions. In: IPCC Special Report on the Ocean and Cryosphere in a Changing Climate [H.-O. Pörtner, D.C. Roberts, V. Masson-Delmotte, P. Zhai, M. Tignor, E. Poloczanska, K. Mintenbeck, A. Alegría, M. Nicolai, A. Okem, J. Petzold, B. Rama, N.M. Weyer (eds.)]. In press. Rizzoli, P.; Martone, M.; Gonzalez, C.; Wecklich, C.; Tridon, D.B.; Bräutigam, B.; Bachmann, M.; Schulze, D.; Fritz, T.; Huber, M.; et al. Generation and performance assessment of the global TanDEM-X digital elevation model. ISPRS J. Photogramm. Remote Sens. 2017, 132, 119–139. Wohlfart, C.; Wessel, B.; Huber, M.; Leichtle, T.; Abdullahi, S.; Kerkhoff, S.; Roth, A. TanDEM-X DEM derived elevation changes of the Greenland Ice Sheet. In Proceedings of the IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Valencia, Spain, 22–27 July 2018. Zink, M.; Bachmann, M.; Bräutigam, B.; Fritz, T.; Hajnsek, I.; Krieger, G.; Moreira, A.; Wessel, B. TanDEM-X: The New Global DEM Takes Shape. IEEE GRSM 2014, 2, 8–23.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,266

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,042
Tête enseignante GPT0,252
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCryospheric studies and observations→Travaux en français237 207→