Operational Processing of Big Satellite Data for Monitoring Glacier Dynamics: Case Study of Muldrow Glacier
Notice bibliographique
Résumé
Frequent acquisition of Synthetic Aperture Radar (SAR) data by the European Sentinel-1 satellites provides an opportunity for monitoring the dynamics of worldwide glaciers. We present a fully-automated processing system for producing multi-dimensional time series of glacier flow. We then use this fully-automated processing system to investigate the dynamics of Muldrow Glacier, located in the Denali National Park and Preserve (Alaska, AK, USA) during the October 2014—November 2021 period. We compute north, east, and vertical Surface-Parallel-Flow (SPF) and non-Surface-Parallel-Flow (nSPF) components of flow velocity and displacement with an average temporal resolution of 9 days and grid spacing of 100 m. During this period, we observe a glacier surge, a manifold increase in glacier flow velocity, that started as early as 2017 and continues until the present; however, the near completion of this surge is apparent. This glacier previously surged in 1906–1912 (the exact date is unknown) and in 1956–1957. We present our results in different ways to emphasize various aspects of the observed surge and demonstrate the full capability of our processing system. As the availability of SAR data improves, we expect that the fully-automated processing systems, similar to the one presented here, will play an increasingly dominant role and soon entirely replace manual processing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».