Drone-Based Ground-Penetrating Radar with Manual Transects for Improved Field Surveys of Buried Ice
Notice bibliographique
Résumé
The steep and unstable terrain found on debris-covered glaciers, rock glaciers, talus slopes, moraines and other proglacial features often make terrestrial ground-penetrating radar (GPR) surveys unsafe or cost-prohibitive. To address these challenges, this research introduces a novel approach for studying buried ice using multi-low-frequency drone-based GPR. Monostatic antennas of 50, 100, and 200 MHz were flown along a transect spanning a debris-covered glacier and an ice–debris complex at Shár Shaw Tagà (Grizzly Creek) in southwest Yukon, Canada. The drone-based results were compared to manual GPR at two locations along the transect. The two manual segments were conducted using the same radar system in a bi-static mode and included common mid-point (CMP) surveys. Overall, the drone-based radar successfully identified buried ice and enabled estimation of ice body thickness. Notably, CMP results confirmed layer characteristics and enabled depths to be measured across the entire drone-based transect. Discrimination of detail across a range of depths was made possible by comparing the three low frequencies, highlighting the possibility of using this method for future investigations of debris thickness in addition to quantifying buried ice. This study confirms the effectiveness of drone-based GPR combined with manual CMP for surveying ice beneath previously inaccessible terrain.
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 ».