Measuring the state and temporal evolution of glaciers in Alaska and Yukon using synthetic-aperture-radar-derived (SAR-derived) 3D time series of glacier surface flow
Notice bibliographique
Résumé
Abstract. Climate change has reduced global ice mass over the last 2 decades as enhanced warming has accelerated surface melt and runoff rates. Glaciers have undergone dynamic processes in response to a warming climate that impacts the surface geometry and mass distribution of glacial ice. Until recently no single technique could consistently measure the evolution of surface flow for an entire glaciated region in three dimensions with high temporal and spatial resolution. We have improved upon earlier methods by developing a technique for mapping, in unprecedented detail, the temporal evolution of glaciers. Our software computes north, east, and vertical flow velocity and/or displacement time series from the synthetic aperture radar (SAR) ascending and descending range and azimuth speckle offsets. The software can handle large volumes of satellite data and is designed to work on high-performance computers (HPCs) as well as workstations by utilizing multiple parallelization methods. We then compute flow velocity–displacement time series for glaciers in southeastern Alaska during 2016–2021 and observe seasonal and interannual variations in flow velocities at Seward and Malaspina glaciers as well as culminating phases of surging at Klutlan, Walsh, and Kluane glaciers. On a broader scale, this technique can be used for reconstructing the response of worldwide glaciers to the warming climate using archived SAR data and for near-real-time monitoring of these glaciers using rapid revisit SAR data from satellites, such as Sentinel-1 (6 or 12 d revisit period) and the forthcoming NISAR mission (12 d revisit 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) | 0,000 | 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 ».