Published August 3, 2020
| Version v1
Publication
Open
DERIVATION OF SUPRAGLACIAL DEBRIS COVER BY MACHINE LEARNING ALGORITHMS ON THE GEE PLATFORM: A CASE STUDY OF GLACIERS IN THE HUNZA VALLEY
Creators
- 1. Yunnan University
- 2. Northwest Institute of Eco-Environment and Resources
- 3. Chinese Academy of Sciences
- 4. Abbottabad University of Science and Technology
- 5. COMSATS University Islamabad
Description
Abstract. Calculating the spatial-temporal distribution of supraglacial debris cover on glaciers is essential for understanding mass balance processes, glacier lake outburst floods, hydrological predictions, and glacier fluctuations that have attracted attention in recent years. However, due to the reflectance of supraglacial debris is similar to that of non-glacier slopes, mapping supraglacial debris cover based on optical remote sensing remains challenging. In this paper, we used NDSI and machine learning algorithm to extract debris cover on glaciers in Hunza Valley, Pakistan. Our result showed that the RF model has the best classification accuracy with kappa coefficient of 0.94 and overall accuracy of 96%. The debris-covered area increased by 21.31% from 1990 to 2019 (394.76 km2 – 478.88 km2) in the study area. Results and the method are of significance in the assessment of meltwater modeling for glaciers with debris cover.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
الملخص. يعد حساب التوزيع المكاني والزماني لغطاء الحطام فوق الجليدي على الأنهار الجليدية أمرًا ضروريًا لفهم عمليات توازن الكتلة، وفيضانات البحيرات الجليدية، والتنبؤات الهيدرولوجية، وتقلبات الأنهار الجليدية التي جذبت الانتباه في السنوات الأخيرة. ومع ذلك، نظرًا لأن انعكاس الحطام فوق الجليدي مشابه لانعكاس المنحدرات غير الجليدية، فإن رسم خرائط غطاء الحطام فوق الجليدي استنادًا إلى الاستشعار البصري عن بُعد لا يزال يمثل تحديًا. في هذه الورقة، استخدمنا NDSI وخوارزمية التعلم الآلي لاستخراج غطاء الحطام على الأنهار الجليدية في وادي هونزا، باكستان. أظهرت نتائجنا أن نموذج الترددات اللاسلكية لديه أفضل دقة تصنيف مع معامل كابا 0.94 ودقة إجمالية 96 ٪. زادت المساحة المغطاة بالحطام بنسبة 21.31 ٪ من عام 1990 إلى عام 2019 (394.76 كم 2 – 478.88 كم 2) في منطقة الدراسة. تعتبر النتائج والطريقة ذات أهمية في تقييم نمذجة المياه الذائبة للأنهار الجليدية ذات غطاء الحطام.Translated Description (French)
Résumé. Le calcul de la distribution spatio-temporelle de la couverture de débris supraglaciaires sur les glaciers est essentiel pour comprendre les processus de bilan de masse, les inondations provoquées par les débordements des lacs glaciaires, les prévisions hydrologiques et les fluctuations des glaciers qui ont attiré l'attention ces dernières années. Cependant, en raison de la réflectance des débris supraglaciaires qui est similaire à celle des pentes non glaciaires, la cartographie de la couverture de débris supraglaciaires basée sur la télédétection optique reste difficile. Dans cet article, nous avons utilisé le NDSI et l'algorithme d'apprentissage automatique pour extraire la couverture de débris sur les glaciers de la vallée de Hunza, au Pakistan. Notre résultat a montré que le modèle RF a la meilleure précision de classification avec un coefficient kappa de 0,94 et une précision globale de 96%. La zone couverte de débris a augmenté de 21,31 % de 1990 à 2019 (394,76 km2 – 478,88 km2) dans la zone d'étude. Les résultats et la méthode sont importants dans l'évaluation de la modélisation de l'eau de fonte pour les glaciers avec couverture de débris.Translated Description (Spanish)
Resumen. El cálculo de la distribución espacio-temporal de la cobertura de desechos supraglaciales en los glaciares es esencial para comprender los procesos de balance de masa, las inundaciones por arrebatos de lagos glaciares, las predicciones hidrológicas y las fluctuaciones de los glaciares que han atraído la atención en los últimos años. Sin embargo, debido a que la reflectancia de los desechos supraglaciales es similar a la de las pendientes no glaciares, el mapeo de la cubierta de desechos supraglaciales basado en la teledetección óptica sigue siendo un desafío. En este documento, utilizamos el NDSI y el algoritmo de aprendizaje automático para extraer la cubierta de escombros de los glaciares en el valle de Hunza, Pakistán. Nuestro resultado mostró que el modelo de RF tiene la mejor precisión de clasificación con un coeficiente kappa de 0,94 y una precisión general del 96%. El área cubierta de escombros aumentó en un 21,31% de 1990 a 2019 (394,76 km2 – 478,88 km2) en el área de estudio. Los resultados y el método son de importancia en la evaluación del modelado de agua de deshielo para glaciares con cobertura de escombros.Files
isprs-annals-V-3-2020-417-2020.pdf.pdf
Files
(1.4 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:dbd542675bf63c275fb42f17a7801c86
|
1.4 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- اشتقاق غطاء الحطام السطحي بواسطة خوارزميات التعلم الآلي على منصة GEE: دراسة حالة للأنهار الجليدية في وادي هونزا
- Translated title (French)
- DERIVATION DE LA COUVERTURE DE DEBRIS SUPRAGLACIAL PAR DES ALGORITHMES D'APPRENTISSAGE AUTOMATIQUE SUR LA PLATEFORME GEE : UNE ETUDE DE CAS DE GLACIERS DANS LA VALLÉE DE HUNZA
- Translated title (Spanish)
- DERIVACIÓN DE LA CUBIERTA DE ESCOMBROS SUPRAGLACIALES POR ALGORITMOS DE APRENDIZAJE AUTOMÁTICO EN LA PLATAFORMA GEE: UN ESTUDIO DE CASO DE GLACIARES EN EL VALLE DE HUNZA
Identifiers
- Other
- https://openalex.org/W3047104772
- DOI
- 10.5194/isprs-annals-v-3-2020-417-2020
References
- https://openalex.org/W1539898068
- https://openalex.org/W1832320792
- https://openalex.org/W1968657307
- https://openalex.org/W1969319238
- https://openalex.org/W1973200177
- https://openalex.org/W1981213426
- https://openalex.org/W2004962745
- https://openalex.org/W2017562804
- https://openalex.org/W2024695456
- https://openalex.org/W2054522343
- https://openalex.org/W2054831422
- https://openalex.org/W2079353625
- https://openalex.org/W2114727579
- https://openalex.org/W2116564120
- https://openalex.org/W2117706739
- https://openalex.org/W2141169867
- https://openalex.org/W2150337006
- https://openalex.org/W2150948381
- https://openalex.org/W2162762159
- https://openalex.org/W2168601869
- https://openalex.org/W2172201702
- https://openalex.org/W2177620715
- https://openalex.org/W2194600065
- https://openalex.org/W2223774194
- https://openalex.org/W2290326488
- https://openalex.org/W2346943633
- https://openalex.org/W2417989679
- https://openalex.org/W2526838437
- https://openalex.org/W2560167313
- https://openalex.org/W2565584425
- https://openalex.org/W2580437302
- https://openalex.org/W2725897987
- https://openalex.org/W273955616
- https://openalex.org/W2767846971
- https://openalex.org/W2793927960
- https://openalex.org/W2796065709
- https://openalex.org/W2799821644
- https://openalex.org/W2896101361
- https://openalex.org/W2898442636
- https://openalex.org/W2905312190
- https://openalex.org/W2916558994
- https://openalex.org/W2919267247
- https://openalex.org/W2934984619
- https://openalex.org/W2944043757
- https://openalex.org/W2946731885
- https://openalex.org/W2953683148
- https://openalex.org/W2959543518
- https://openalex.org/W2993515567
- https://openalex.org/W4297957988
- https://openalex.org/W4385525783