Time-lapse GPR to quantify internal glacier deformation
Notice bibliographique
Résumé
The estimation of surface flow velocities using satellite imagery, photogrammetry, or GPS data is now a standard practice in glaciology. In contrast, assessing internal ice deformation remains a significant challenge, often relying upon sparse measurements and theoretical models constrained by limited data. This study explores the potential of repeat, common-offset, ground-penetrating radar (GPR) reflection surveys as a tool to address this challenge. While GPR reflection data are traditionally utilized to determine glacier bed geometry, they also reveal key information about internal glacier structures, including the distribution of air pockets, debris, and water channels. Over time, these structures deform in response to glacier dynamics, suggesting that time-lapse GPR measurements could offer insights into internal flow velocities. In this regard, we propose a localized cross-correlation (LCC) approach, inspired by feature-tracking methods, as a starting point for a non-linear inversion of the deformation field. We test our methodology on synthetic GPR profile data, where electromagnetic wave propagation is modeled in a simplified flowing glacier containing randomly distributed scatterers, as well as on repeat GPR profiles acquired on the Findelen Glacier, Switzerland. In both cases, the GPR measurements are considered along the direction of glacier flow, and the corresponding data are diffraction enhanced and migrated prior to analysis. Our findings demonstrate that the proposed approach successfully retrieves the two-dimensional along-flow velocity field, highlighting its potential for field applications and future extension to three-dimensions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».