Estimating Snowmelt-Driven Watershed Discharge in the High Arctic Using Remote Sensing and GIS
Notice bibliographique
Résumé
Climate warming is rapidly altering Arctic tundra ecosystems, influencing seasonal processes like snowmelt and soil thaw, with significant implications for hydrological dynamics. Snowmelt is a critical hydrological event in the Canadian High Arctic, as it drives biogeochemical cycling, controls microclimate conditions, affects freshwater availability, and influences the distribution and phenology of Arctic flora and fauna. However, snowmelt dynamics remain under-researched and poorly understood in many regions of the High Arctic, where the extreme remoteness, inclement weather, limited infrastructure, and long polar nights limit the feasibility of in-situ hydrological research. This project proposes a method to address this knowledge gap using only remote sensing data and GIS techniques to estimate the onset and duration of snowmelt and associated discharge dynamics in High Arctic watersheds. The method involves using high-resolution Digital Elevation Models (DEMs), Landsat 8/9 satellite imagery, and global weather and climate data from Natural Resources Canada, the USGS, and NASA's Goddard Earth Sciences Data and Information Services Center (GES DISC). These datasets will be processed in Google Earth Engine, ArcGIS Pro, and RStudio to estimate snow accumulation, snowmelt timing, and runoff volumes throughout the 2019–2023 snowmelt seasons. Model estimates will be evaluated against in-situ discharge data from the Cape Bounty Arctic Watershed Observatory on Melville Island, NU, to assess their accuracy. By developing a remote sensing-based method for estimating discharge, this research seeks to improve hydrological monitoring in data-scarce Arctic environments. If successful, the approach could enhance understanding of snowmelt-driven hydrology and support future climate impact assessments in the Canadian High Arctic.
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 | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».