Uncertainties on the combined use of ICESat and ICESat-2 observations to monitor lake levels
Notice bibliographique
Résumé
Lake water level is an important variable to indicate lake hydrological balances and climate change impacts. Benefiting from the launch of the laser altimeters ICESat and ICESat-2, higher spatial-resolution elevation measurements have opened new possibilities for monitoring lake levels globally over the past two decades. However, uncertainties on the combined use of two-generation satellite laser measurements have not yet been investigated specifically. This study aimed to summarize the important technique notes on water level data processing by integrating the ICESat and ICESat-2 altimetry measurements. We mainly focused on the effect of geoid height, water masks for extracting altimetry footprints, and the 9-year data gap between the two generations of satellites on water level change estimates. We compared the influences of the above three factors in different situations by selecting typical lakes worldwide as study cases. The results showed that: (1) In the combination of ICESat and ICESat-2 products, geoid heights need to be recalculated for each footprint based on its longitude and latitude in order to replace the geoid values of the original products when calculating orthometric heights. It is necessary because the default geoids in both generations of products (ICESat and ICESat-2) exhibit a systematic deviation; (2) To balance the accuracy and efficiency, the small water mask in the low-level year is recommended to extract the potential footprints in comparison with the laborious processing of time-varying water masks; (3) The 9-year data gap between ICESat and ICESat-2 observations may cause inevitable overestimations or underestimations of the long-term change rate of lake levels with a non-linear trajectory, yet it has few effects on lakes with (near) linear trending or fluctuating changes.
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 ».