Validation of Permafrost Active Layer Estimates from Airborne SAR Observations
Notice bibliographique
Résumé
In permafrost regions, active layer thickness (ALT) observations measure the effects of climate change and predict hydrologic and elemental cycling. Often, ALT is measured through direct ground-based measurements. Recently, synthetic aperture radar (SAR) measurements from airborne platforms have emerged as a method for observing seasonal thaw subsidence, soil moisture, and ALT in permafrost regions. This study validates airborne SAR-derived ALT estimates in three regions of Alaska, USA using calibrated ground penetrating radar (GPR) geophysical data. The remotely sensed ALT estimates matched the field observations within uncertainty for 79% of locations. The average uncertainty for the GPR-derived ALT validation dataset was 0.14 m while the average uncertainty for the SAR-derived ALT in pixels coincident with GPR data was 0.19 m. In the region near Utqiaġvik, the remotely sensed ALT appeared slightly larger than field observations while in the Yukon-Kuskokwim Delta region, the remotely sensed ALT appeared slightly smaller than field observations. In the northern foothills of the Brooks Range, near Toolik Lake, there was minimal bias between the field data and remotely sensed estimates. These findings suggest that airborne SAR-derived ALT estimates compare well with in situ probing and GPR, making SAR an effective tool to monitor permafrost measurements.
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) | 0,002 | 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 ».