In situ observations of the Swiss periglacial environment using GNSS instruments
Notice bibliographique
Résumé
Abstract. Monitoring of the periglacial environment is relevant for many disciplines including glaciology, natural hazard management, geomorphology, and geodesy. Since October 2022, Rock Glacier Velocity (RGV) is a new Essential Climate Variable (ECV) product within the Global Climate Observing System (GCOS). However, geodetic surveys at high elevation remain very challenging due to environmental and logistical reasons. During the past decades, the introduction of low-cost global navigation satellite system (GNSS) technologies has allowed us to increase the accuracy and frequency of the observations. Today, permanent GNSS instruments enable continuous surface displacement observations at millimetre accuracy with a sub-daily resolution. In this paper, we describe decennial time series of GNSS observables as well as accompanying meteorological data. The observations comprise 54 positions located on different periglacial landforms (rock glaciers, landslides, and steep rock walls) at altitudes ranging from 2304 to 4003 ma.s.l. and spread across the Swiss Alps. The primary data products consist of raw GNSS observables in RINEX format, inclinometers, and weather station data. Additionally, cleaned and aggregated time series of the primary data products are provided, including daily GNSS positions derived through two independent processing tool chains. The observations documented here extend beyond the dataset presented in the paper and are currently continued with the intention of long-term monitoring. An annual update of the dataset, available at https://doi.org/10.1594/PANGAEA.948334 (Beutel et al., 2022), is planned. With its future continuation, the dataset holds potential for advancing fundamental process understanding and for the development of applied methods in support of e.g. natural hazard management.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».