An evaluation of GPR monitoring methods on varying river ice conditions: A case study in Alaska
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Ice roads and bridges across rivers, estuaries, and lakes are common transportation routes during winter in regions of the circumpolar north. Ice thickness, hydraulic hazards, climate variability and associated warmer air temperatures have always raised safety concerns and uncertainty among those who travel floating ice road routes. One way to address safety concerns is to monitor ice conditions throughout the season. We tested ground penetrating radar (GPR) for its ability and accuracy in measuring floating ice thickness under three specific conditions: 1) presence of snow cover and overflow, 2) presence of snow cover, and 3) bare ice, all common to Interior Alaska rivers. In addition, frazil ice was evaluated for its ability to interfere with the GPR measurement of ice thickness. We collected manual ice measurements and GPR cross-sectional transects over 2 years on the Tanana River near Fairbanks, Alaska, and for 1 year on the Yukon River near Tanana, Alaska. Ground truth measurements were compared with ice thickness calculated from an average velocity model created using GPR data. The error was as low as 2.3–6.4% on the Yukon River (Condition 3) and 4.6–9.5% on the Tanana River (Conditions 1 and 2), with the highest errors caused by overflow conditions. We determined that certain environmental conditions such as snow cover and overflow change the validity of an average velocity model for ice thickness identification using GPR, while frazil ice accumulation does not have a detectable effect on the strength of radar reflection at the ice-water interface with the frequencies tested. Ground penetrating radar is a powerful tool for measuring river ice thickness, yet further research is needed to advance the ability of rural communities to monitor ice thickness using fewer time-intensive manual measurements to determine the safety of ice cover on transportation routes.
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.
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 | 0,001 | 0,004 |
| 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 découle