The Rise and Fall of Alaska and Yukon Glaciers Detected by TOPEX/Poseidon and Jason‐2 Altimeters Using a Novel Glacier‐Threshold Method
Notice bibliographique
Résumé
Abstract Radar altimetry has been used to monitor sea level changes and ice sheet elevation changes for decades. Over mountain glaciers, radar altimetry has limited applications due to contaminated waveforms caused by complex glacier surfaces and steep terrains. In this study, we develop a glacier‐threshold method (GTM) to determine glacier elevation changes in Alaska and Yukon. The GTM retracks waveforms, reduces terrain effect and detects invalid elevation observations from the TOPEX/Poseidon (T/P) and Jason‐2 (J2) altimeters, resulting in an average usable rate of 35% from original altimeter‐measured heights. The selected measurements are used to construct time series of glacier elevation changes over 1993–2002 (T/P) and 2008–2016 (J2) at 47 sites. A crossover analysis, validation by airborne laser altimetry observations, and comparisons with recent studies confirm the estimated glacier elevation changes. Our findings suggest that the thinning of glaciers in Alaska and Yukon has been ubiquitous in recent years. The site near Walsh Glacier has the highest thinning rate of −5.71 ± 0.09 m/yr, followed by Chitina Glacier at −4.51 ± 0.21 m/yr. Only 17% of sites show glacier thickening due to surges and mass accumulations. Using a sophisticated data processing algorithm like the GTM, we show that altimeter data from the repeat TOPEX‐Jason missions can be used to monitor long‐term glacier elevation changes at inaccessible spots, creating an additional value for altimeter missions originally purposed for monitoring long‐term sea level change.
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 | 0,002 | 0,001 |
| 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 | 0,000 |
| 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 ».