Quantifying the impact of X-band InSAR penetration bias on elevation change and mass balance estimation
Notice bibliographique
Résumé
Abstract Interferometric synthetic aperture radar (InSAR) data suffer from an elevation bias due to signal penetration into the firn and ice surface, rendering the height information unusable for elevation and mass-change detection. This study estimates the penetration bias in X-band InSAR data to quantify its impact on elevation and mass-change detection and to demonstrate the applicability of TanDEM-X digital elevation models (DEMs) for cryosphere research. To achieve this, a multiple linear regression model is applied to a time series of four TanDEM-X DEMs acquired between 2010 and 2018 over the Sverdrup Glacier basin (SGB), Devon Ice Cap, Canada. The resulting penetration corrected TanDEM-X DEMs agreed to within ±14 cm of spatially and temporally coincident precise in situ kinematic dGPS data (±10 cm RMSE). Additionally, multi-year estimations of mass change for the SGB derived from differencing TanDEM-X DEMs over multi-year periods between 2010 and 2018, showed good agreement with mean deviation of 338 ± 166 mm w.e. with independent measurements of mass change derived from annual in situ surface mass balance over the same time periods. The results show that the penetration bias can vary significantly, leading to random under- and overestimations in the detection of elevation and mass 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 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 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».