Assessing Global Present‐Day Surface Mass Transport and Glacial Isostatic Adjustment From Inversion of Geodetic Observations
Notice bibliographique
Résumé
Abstract Long‐term monitoring of global mass transport within the Earth system improves our ability to mitigate natural hazards and better understand their relations to climate change. Satellite gravity is widely used to monitor surface mass variations for its unprecedented spatial and temporal coverage. However, the gravity data contain signals from visco‐elastic deformation in response to past ice sheet melting, preventing us from extracting signals of present‐day surface mass trend (PDMT) directly. Here we present a global inversion scheme that separates PDMT and visco‐elastic glacial isostatic adjustment (GIA) signatures by combining satellite gravimetry with satellite altimetry and ground observations. Our inversion provides global dual data coverage that enables a robust separation of PDMT and GIA spherical harmonic coefficients. It has the advantage of providing estimates of Earth's long wavelength deformation signatures and their uncertainties. Our GIA result, along with its uncertainty estimates, can be used in future GRACE processing to better assess the impact of GIA on surface mass change. Our GIA estimates include a rapid GIA uplift in the Southeast Alaska and the Amundsen Sea Embayment, due to the visco‐elastic response to recent glacial unloading. We estimate the average surface mass change rate from 2002–2010 to be −203 ± 3 GT·a −1 in Greenland, −126 ± 18 GT·a −1 in Antarctica and, −62 ± 5 GT·a −1 in Alaska. The GIA low degree spherical harmonic coefficients are sensitive to rheological properties in Earth's deep interior. Our low‐degree GIA estimates include geocenter motion and which provide unique constraints to understand Earth's lower mantle and ice history.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 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 ».