Replication Data for: Spatial characterization of near-surface structure and meltwater runoff conditions across Devon Ice Cap from dual-frequency radar reflectivity
Notice bibliographique
Résumé
Melting and refreezing processes in the firn of Devon Ice Cap control meltwater infiltration and runoff across the ice cap, but their full spatial extent and effect on near-surface structure is difficult to measure with surface-based traverses or existing satellite remote sensing. Here, we derive the coherent component of the near-surface return from airborne ice-penetrating radar surveys over Devon Ice Cap, Canadian Arctic, to characterize firn containing centimeter to meter-thick ice layers (i.e., ice slabs) formed from refrozen meltwater in firn. We assess the use of dual-frequency airborne ice-penetrating radar to characterize the spatial and vertical near-surface structure of Devon Ice Cap, by leveraging differences in range resolution of the radar systems. Comparison with reflectivities using a thin layer reflectivity model, informed by surface-based radar and firn core measurements, indicate that the coherent component is sensitive to the near-surface firn structure composed of quasi-specular ice and firn layers, limited by the bandwidth-constrained radar range resolution. Our results suggest that average ice slab thickness throughout the Devon Ice Cap percolation zone ranges from 4.2 to 5.6 m. This implies conditions that can enable lateral meltwater runoff and potentially contribute to the total surface runoff routed through supraglacial rivers down glacier. Together with the incoherent component of the surface return previously studied, our dual-frequency approach provides an alternative method for characterizing bulk firn properties, particularly where surface-based and higher frequency radar data are not available.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,009 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».