Manually delineated glacier calving front locations of 27 marine-terminating glaciers from 2013 to 2021

Metadaten

Für den Inhalt der Forschungsdaten verantwortliche Person(en)	Loebel, Erik - Technische Universität Dresden (ORCID: 0000-0001-9874-9295)
Für den Inhalt der Forschungsdaten verantwortliche Person(en)	Scheinert, Mirko - Technische Universität Dresden (ORCID: 0000-0002-0892-8941)
Für den Inhalt der Forschungsdaten verantwortliche Person(en)	Horwath, Martin - Technische Universität Dresden (ORCID: 0000-0001-5797-244X)
Für den Inhalt der Forschungsdaten verantwortliche Person(en)	Humbert, Angelika - Alfred-Wegener-Institut Helmholtz Zentrum für Polar- und Meeresforschung (ORCID: 0000-0002-0244-8760)
Für den Inhalt der Forschungsdaten verantwortliche Person(en)	Sohn, Julia - Alfred-Wegener-Institut Helmholtz Zentrum für Polar- und Meeresforschung (ORCID: 0000-0002-5044-1192)
Für den Inhalt der Forschungsdaten verantwortliche Person(en)	Heidler, Konrad - Technische Universität München (ORCID: 0000-0001-8226-0727)
Für den Inhalt der Forschungsdaten verantwortliche Person(en)	Liebezeit, Charlotte - Technische Universität Dresden
Für den Inhalt der Forschungsdaten verantwortliche Person(en)	Zhu, Xiao Xiang - Technische Universität München (ORCID: 0000-0001-5530-3613)
Kurzbeschreibung	This dataset provides 898 manually delineated glacier calving front positions of 23 Greenland glaciers, two glaciers at the Antarctic Peninsula, one glacier in Svalbard and one glacier in Patagonia from 2013 to 2021. For manual delineation, we used optical Landsat-8 imagery. The dataset is composed of two parts. Firstly we provide ocean masks and frontal positions as Polygon or LineString Shapefiles respectively. Secondly, we provide 1220 input raster subsets (9 layers each) with their corresponding, manually delineated, segmentation masks. Input raster subsets have dimensions of 512 pixels by 512 pixels and are available in both png and georeferenced tif format. These machine learning ready raster subsets are optimized for training and validating artificial neural networks.
Region(en) auf die sich die Daten beziehen	Greenland
Region(en) auf die sich die Daten beziehen	Antarctica
Region(en) auf die sich die Daten beziehen	Svalbard
Region(en) auf die sich die Daten beziehen	Patagonia
Weitere Schlagwörter	remote sensing
Weitere Schlagwörter	satellite imagery
Weitere Schlagwörter	machine learning
Weitere Schlagwörter	reference data
Entstehungsjahr oder Entstehungszeitraum	2022
Veröffentlichungsjahr	2024
Herausgeber	Technische Universität Dresden
Referenzen auf ergänzende Materialien	IsPartOf: 123456789/5680 (Handle)
Referenzen auf ergänzende Materialien	IsSupplementTo: 10.5194/tc-2023-52 (DOI)
Inhalt der Forschungsdaten	Dataset: 898 manually delineated glacier calving front positions of 23 Greenland glaciers, two glaciers at the Antarctic Peninsula, one glacier in Svalbard and one glacier in Patagonia from 2013 to 2021 (provided as Shapefiles as well as machine learning ready raster subsets).
Inhaber der Nutzungsrechte	Technische Universität Dresden
Nutzungsrechte des Datensatzes	CC-BY-SA-4.0
Angabe der Fachgebiete	Geography	de
Angabe der Fachgebiete	Geological Science	de
Titel des Datensatzes	Manually delineated glacier calving front locations of 27 marine-terminating glaciers from 2013 to 2021

Dateien zu dieser Ressource

Name:: calving_front_locations.tar.gz
Größe:: 8.301Mb
Format:: Unbekannt

Öffnen

Name:: contents.txt
Größe:: 1.812Mb
Format:: Text

Öffnen

Name:: reference_data_geotif.tar.gz
Größe:: 2.303Gb
Format:: Unbekannt

Öffnen

Name:: reference_data_png.tar.gz
Größe:: 1.537Gb
Format:: Unbekannt

Öffnen

Name:: data-license.txt
Größe:: 14.08Kb
Format:: Text
Beschreibung:: data-license.txt (CC-BY-SA-4.0)

Öffnen

Die Datenpakete erscheinen in:

Change pattern identification of marine-terminating outlet glaciers [5]
Marine-terminating outlet glaciers experience a combination of seasonal and climate-driven change. Nearby glaciers exhibit very different retreat and advance behavior despite being situated in similar climatic conditions. This highlights the demand to essentially improve our understanding of the driving mechanisms and to provide a basis for parameterizations of oceanic forcing that are fed into mass-loss projections. Temporal changes of glacial flow velocities are presumably linked to the evolution of the subglacial hydrological system. Depending on the type of subglacial system, the temporal acceleration of the glacier is represented by different characteristics. While this is typically investigated only along a central flow line, the spatial distribution contains more information on the cause of the acceleration. In a similar way, the spatial pattern of acceleration due to changes at the calving front is likely driven by upstream propagation of changes in stresses. Hence, understanding the mechanisms in detail requires an analysis of different physical variables in high temporal and spatial resolution and combination with ice modelling. With the new generation of satellites the era of big data has started in glaciology, and new efficient methods to analyze change patterns are required.

Zur Kurzanzeige