Abstract
AbstractField mapping of mountain permafrost is laborious and is generally based on interpolation between point information. A spatial model that is based on elevation and a parameterization of solar radiation during summer is presented here. It allows estimation of permafrost distribution and can be calibrated locally, based on bottom temperature of snow (BTS) measurements or other indicators such as mapped features of permafrost creep. Local calibration makes this approach flexible and allows application in various mountain ranges. Model output consists of a continuous field of simulated BTS values that are subsequently divided into the classes ‘permafrost likely’, ‘permafrost possible’ and ‘no permafrost’ following the rules of thumb established for BTS field measurements in the Alps. Additionally, the simulated BTS values can be interpreted as a crude proxy for ground temperature regime and sensitivity to permafrost degradation. A map of vegetation abundance derived from atmospherically and topographically corrected satellite imagery was incorporated into this model to enhance the accuracy of the prediction. Based on the same corrected satellite image, a map of albedo was derived and used to calculate net short‐wave radiation, in an attempt to increase model accuracy. However, the statistical relationship with BTS did not improve. This is probably due to the correlation of short‐wave solar radiation with snow‐melt patterns or other factors of permafrost distribution which are being influenced differently by the introduction of albedo. Copyright © 2001 John Wiley & Sons, Ltd.RÉSUMÉLa cartographie sur le terrain du pergélisol de montagne est un travail laborieux généralement basé e sur des interpolations entre des points pour lesquelles on possède des informations. Un modèle spatial basé sur l'altitude et le calcul de la radiation solaire est présenté ici. Il permet d'estimer la distribution du pergélisol et peut être calibré localement en utilisant des mesures de température à la base de la neige (BTS) et d'autres indications comme celles résultant de la cartographie des traces de creep du pergélisol. Une calibration locale rend cette approche flexible et permet son application dans différents milieux montagneux. Les données provenant du modèle se présentent comme un champ continu de valeurs BTS simulées qui sont par la suite divisées en classes de “pergélisol probable”, “pergélisol possible” et “pergélisol absent” suivant une règle empirique établie pour les mesures BTS dans les Alpes. En outre, les valeurs BTS simulées peuvent être interprétées comme donnant une approximation du régime de température du sol et de la fragilité à la dégradation du pergélisol.Une carte de l'abondance de la végétation dérivée d'images satellitaires corrigées pour l'atmosphère et la topographie a été incorporée dans ce modèle dans l'espoir d'augmenter la précision de la prédiction. Basée sur la même image satellitaire corrigée, une carte de l'albedo a été obtenue et utilisée pour calculer la radiation nette dans les ondes courtes pour essayer d'augmenter encore la précision du modèle. Toutefois la relation statistique avec les résultats obtenus par BTS n'a pas été augmentée. Cela est probablement dû à la corrélation existante entre la radiation solaire à courte longueur d'onde et le réseaux de fonte des neige, ainsi qu'à d'autres facteurs qui contrôlent la distribution du pergélisol en variant différemment d e l'albedo. Copyright © 2001 John Wiley & Sons, Ltd.
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.