Satellite telemetry of surface ablation observations to inform spatial melt modelling, Place Glacier, British Columbia, Canada
Notice bibliographique
Résumé
Abstract. Four automated "smart stakes" equipped with ultrasonic sensors, Arduino microcontrollers, and Iridium satellite telemetry were deployed to monitor glacier surface elevation changes at Place Glacier, British Columbia, Canada during the 2024 ablation season. The smart stakes recorded air temperature, relative humidity, and distance to glacier surface every 15 minutes from May 14 to September 21, 2024, providing high-temporal resolution melt data across an elevation gradient. Integration with airborne lidar surveys and satellite snow cover observations enabled validation and spatial extrapolation of point measurements. Temperature-index modeling using smart stake data yielded ice melt factors of -4.26 to -5.63 mm w.e. °C⁻¹ d⁻¹ and snow melt factors of -3.74 to -4.42 mm w.e. °C⁻¹ d⁻¹, consistent with previous studies. The spatial melt model estimated a total seasonal melt volume of 11.61 × 10⁶ m³ water equivalent, representing a summer mass balance of -4.14 m w.e. for the glacier. Validation against manual ablation stakes showed reasonable agreement (R² = 0.58, RMSE = 0.45 m w.e.). Event-scale analysis revealed that three discrete heat events (July 5–22, August 1–12, and August 29–September 9) accounted for over half of the total seasonal melt despite comprising only one-third of the ablation season. Maximum daily melt rates reached -87 mm w.e. d⁻¹ during these extreme events, with higher elevation sites experiencing disproportionately greater melt rates. Non-linear temperature lapse rates were observed across the glacier, highlighting the importance of distributed temperature measurements for accurate melt modeling. The low-cost smart stake system demonstrates significant potential for automated glacier monitoring, providing near real-time data transmission and enabling event-scale melt attribution studies. This multi-scale monitoring approach combining in-situ sensors, airborne lidar, and satellite observations offers a comprehensive framework for understanding glacier melt dynamics in a changing climate, though challenges remain regarding sensor stability, power management, and accounting for glacier dynamics in melt estimates.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».