Language
아이스라인

블로그

홈페이지홈페이지 / 블로그 / 아이스라인
search

Sep 09, 2023

10가지 최고의 두통 랙(2023년 가이드)

Nov 06, 2023

2023년 지진 대비를 위한 10가지 최고의 도구

Nov 30, 2023

2023년 분위기를 바꿀 10가지 디자인 트렌드

Dec 13, 2023

멜티 스토리지 트렌드를 선도하는 10가지 물빠진 선반 아이디어

Jan 23, 2024

멜티 스토리지 트렌드를 선도하는 10가지 물빠진 선반 아이디어

문의 보내기
제출하다

Oct 31, 2023

아이스라인

과학 데이터 10권,

과학 데이터 10권, 기사 번호: 138(2023) 이 기사 인용

1338 액세스

9 알트메트릭

측정항목 세부정보

빙붕의 정면 위치는 얼음 역학 모델링, 질량 플럭스 계산, 빙하 면적 변화 매핑, 빙산 생산 속도 계산 및 바다로의 얼음 배출 추정에 중요한 매개 변수입니다. 지금까지 남극 분만 전선 위치에 대한 지속적이고 최신 정보는 전선을 수동으로 묘사하는 데 시간이 많이 걸리고 이전에는 적절한 지구 관측 데이터의 양이 제한되어 있었기 때문에 부족했습니다. 여기에서는 전례 없는 시간적, 공간적 해상도로 분만 전면 변화를 평가하기 위해 남극 빙붕 전면 위치에 대한 새로운 데이터 세트인 IceLines를 제시합니다. 19,400개 이상의 분만 앞부분 위치가 자동으로 추출되어 Sentinel-1 시대(2014년부터 현재) 동안 분만 앞부분 변화의 밀집된 연간 및 연간 시계열을 생성했습니다. 분만 전선 시계열은 DLR이 호스팅하는 EOC GeoService를 통해 액세스할 수 있으며 월 단위로 업데이트됩니다. 처음으로 제시된 IceLines 데이터 세트는 빙상 역학에 대한 이해를 향상시키기 위해 과학 연구 및 모델링에 분만 전선 역학을 쉽게 포함할 수 있는 가능성을 제공합니다.

남극 해안선의 4분의 3은 남극 빙상(AIS)1의 얼음 배출을 조절하는 부유 빙붕으로 구성되어 있습니다. 빙붕을 후퇴시키거나 심지어 붕괴시키는 것은 지지 효과를 감소시켜 AIS2의 질량 손실을 증가시킬 수 있습니다. 지난 수십 년 동안 남극 반도(AP)와 서남극 빙상(WAIS)에서 발생한 붕괴 사건은 남극 빙붕의 역동적인 행동과 취약한 상태를 보여주었습니다3,4,5. 1997년 이후 전체적으로, 붕괴와 분리 사건으로 인한 남극 빙붕 면적 손실은 전선의 전진으로 인한 빙붕 면적 증가에 비해 지배적이었습니다6,7. 빙붕의 성장과 붕괴는 내부 얼음 역학, 빙붕 기하학, 고정점, 바닥 지형, 외부 기계적 및 기후 힘과 같은 여러 요인에 의해 제어됩니다. 장기적인 대기 및 해양 강제력이 AP 및 WAIS를 따라 빙붕 전면 후퇴를 유발한다는 증거가 늘어나고 있습니다3,4,8,9,10. 동남극 빙상(EAIS)의 경우 분만 전선 시계열이 더 짧고 빈도가 낮기 때문에 증거가 명확하지 않습니다7,11,12,13. 분만 전면 위치는 해양학, 해빙, 빙하학, 육상 또는 해양 생태학에 초점을 맞춘 남극 연구에 중요한 가치가 있습니다. 특히 빙하학에서 전면 위치는 얼음 역학 모델링14, 질량 플럭스 계산15, 빙하 면적 변화 매핑8, 빙산 생성 속도 계산16 및 바다로의 얼음 질량 유출 추정17에 중요한 매개변수입니다. 따라서 AIS12,15의 질량 손실 또는 증가를 결정하는 빙상 역학을 더 잘 이해하려면 연간 분만 전선 역학과 단기 제어 메커니즘에 대한 지식이 필수적입니다. 그러나 지금까지는 시간이 많이 걸리는 수동 전면 묘사와 이전에 제한된 위성 이미지 가용성으로 인해 전체 AIS에 대한 이러한 데이터가 존재하지 않습니다12. 분만 전면 묘사의 지루한 수동 작업을 극복하기 위해 전통적인 이미징 기술을 사용하여 해빙 및 표면 융해의 계절적 변화로 인해 연간 분만 전면 추출에 적합하지 않은 자동화된 접근 방식을 개발했습니다. 현재까지 딥러닝 기반 접근 방식만이 분만 전면 위치 변화에 대한 정확하고 조밀한 시계열을 제공할 수 있습니다21,22,23.

우리는 이러한 혁신적인 기술을 활용하여 지속적이고 최신의 분만 전선 시계열을 제공하는 남극 빙붕 전면 위치의 데이터 세트인 IceLines24를 소개합니다. IceLines는 Sentinel-1 레이더 이미지에서 자동으로 추출된 남극 빙붕에 대해 다양한 시간 규모(일일, 월간, 분기별, 연간)로 분만 전면 위치(CFL)를 제공하는 새로운 딥 러닝 기반 프레임워크입니다. 데이터 세트에는 폭이 30km 이상인 SCAR Composite Gazetter25에 나열된 모든 손상되지 않은 남극 빙붕이 포함됩니다. 또한 주요 관심 대상인 6개의 역동적인 빙하 전선(예: Pine Island Glacier)이 모니터링 대상으로 선택되었습니다. 그림 1은 현재 IceLines에서 모니터링하는 빙붕 전면과 빙하 혀를 보여줍니다. Sentinel-1 데이터 가용성에 따라 제공된 분만 앞 시계열은 2014년부터 오늘까지의 기간을 다루며 월 단위로 자동 업데이트됩니다. IceLines 데이터24는 DLR의 GeoService(https://geoservice.dlr.de/web/maps/eoc:icelines)를 통해 무료로 사용할 수 있습니다.

30 km) fast ice area which increases the mean distance error significantly. Best mean distance accuracies were reached for Cosgrove, Bach and Stange ice shelves (<1 pixel). On average, the true mean distance error for fronts extracted from dual-pol imagery is 209 ± 12 m (5.2 pixel) with 95% confidence and 432 ± 21 m (8.8 pixel) for single polarized imagery which is comparable with existing studies on calving front extraction for Antarctica. Previous studies on CNN-based calving front detection published mean distance accuracies between 96.32 m (1.97 pixel)34, 86.76 ± 1.43 m (2.25 pixel)21, 38 m (~6 pixel)30 and 86 m22 for Greenland and 108 m (2.7 pixel)23, 222 ± 23 (Wilkes Land)29, 345 ± 24 (Antarctic Peninsula)29, 237.12 m35 and 330.63 m (2.35 pixel)21 for Antarctica. It should be noted that these accuracies are not directly comparable due to temporal and spatial variations in the validation data sets spanning from one30,34 to 6221 glaciers during different time periods. For further comparison, manual delineations from different experts can deviate between 92.5 m34, 33 m (5.5 pixel)30 and 183 m (4.6 pixel)23 depending on image resolution and difficulty of the calving front delineation./p>0.65 km /yr) shelves. It has to be mentioned that this trend is strongly dominated by the disintegrating glacier tongue of Thwaites not having a clear advancing front in 2021 compared to 2015. In contrast to this overall tendency, the frontal advance of Pine Island, Totten, Ross West, Ronne, Larsen C and Brunt1 ice shelves accelerated in 2021 compared to 2015. Furthermore, it is noteworthy that shelves with a calving event between 2015 and 2021 more likely changed their frontal advance rate compared to shelves without calving (see cyan dots in Fig. 7). For further exploration the supplementary includes Table S3 with all advance rates and an interactive and zoomable version of Fig. 7 can be accessed at https://download.geoservice.dlr.de/icelines/files/icelines_auxiliary_v1.zip./p>