This study presents a recent estimate (for year 2017) of ice thickness and volume of a small glacier called Patsio Glacier located in Western Himalayas. Also, the present study aims to examine whether the improvement in GlabTop2 based estimates obtained for Chhota Shigri Glacier through the use of relatively accurate and high-resolution Digital Elevation Model (DEM) and glacier specific model parameterisation is consistent and can be extended to other glaciers. The version of GlabTop2 model used in this study is GlabTop2_IITB (Glacier Bed Topography version 2_Indian Institute of Technology Bombay). For validation purpose, ground penetrating radar (GPR) survey-based ice thickness estimates available at four cross-section profiles collected during July 2017 was used. Root mean square error (RMSE) of the modelled ice thickness estimates is about 14 m. Average and the maximum thickness of the modelled glacier ice is about 45 and 129 m, respectively. The obtained results when compared with an earlier study carried out using velocity-based approach indicate a significant improvement in the modelling accuracy. Moreover, a 16 percentage points reduction in uncertainty of the estimated ice thickness is seen when compared with a previous study involving different version of GlabTop2 model for Himalaya–Karakoram region. This is perhaps due to the use of a relatively accurate and high-resolution DEM and model parameterisation scheme adopted in this study, thus confirming the consistency of the modelling approach for different glaciers. Based on the obtained ice thickness estimates, the modelled volume of the glacier stored ice was calculated to be 0.11198 ± 0.0162 km³ in 2017.

这项研究提供了最近（2017 年）对位于喜马拉雅西部的名为 Patsio Glacier 的小型冰川的冰厚度和体积的估计。此外，本研究旨在检查通过使用相对准确和高分辨率的数字高程模型 (DEM) 和冰川特定模型参数化获得的 Chhota Shigri 冰川基于 GlabTop2 的估计值的改进是否一致，是否可以扩展到其他冰川. 本研究中使用的 GlabTop2 模型版本为 GlabTop2_IITB（Glacier Bed Topography version 2_Indian Institute of Technology Bombay）。出于验证目的，使用了基于探地雷达 (GPR) 调查的冰厚度估计值，该估计值在 2017 年 7 月期间收集的四个横截面剖面中可用。模拟冰厚估计的均方根误差 (RMSE) 约为 14 m。模拟冰川冰的平均厚度和最大厚度分别约为 45 和 129 m。与使用基于速度的方法进行的早期研究相比，获得的结果表明建模精度显着提高。此外，与先前涉及喜马拉雅-喀喇昆仑地区不同版本的 GlabTop2 模型的研究相比，估计冰厚的不确定性降低了 16 个百分点。这可能是由于本研究采用了相对准确和高分辨率的 DEM 和模型参数化方案，从而证实了不同冰川建模方法的一致性。根据获得的冰厚度估计，冰川储存冰的模拟体积计算为 0.11198 ± 0.0162 km 与使用基于速度的方法进行的早期研究相比，获得的结果表明建模精度显着提高。此外，与先前涉及喜马拉雅-喀喇昆仑地区不同版本的 GlabTop2 模型的研究相比，估计冰厚的不确定性降低了 16 个百分点。这可能是由于本研究采用了相对准确和高分辨率的 DEM 和模型参数化方案，从而证实了不同冰川建模方法的一致性。根据获得的冰厚度估计，冰川储存冰的模拟体积计算为 0.11198 ± 0.0162 km 与使用基于速度的方法进行的早期研究相比，获得的结果表明建模精度显着提高。此外，与先前涉及喜马拉雅-喀喇昆仑地区不同版本的 GlabTop2 模型的研究相比，估计冰厚的不确定性降低了 16 个百分点。这可能是由于本研究采用了相对准确和高分辨率的 DEM 和模型参数化方案，从而证实了不同冰川建模方法的一致性。根据获得的冰厚度估计，冰川储存冰的模拟体积计算为 0.11198 ± 0.0162 km 与先前涉及喜马拉雅-喀喇昆仑地区不同版本的 GlabTop2 模型的研究相比，估计冰厚的不确定性降低了 16 个百分点。这可能是由于本研究采用了相对准确和高分辨率的 DEM 和模型参数化方案，从而证实了不同冰川建模方法的一致性。根据获得的冰厚度估计，冰川储存冰的模拟体积计算为 0.11198 ± 0.0162 km 与先前涉及喜马拉雅-喀喇昆仑地区不同版本的 GlabTop2 模型的研究相比，估计冰厚的不确定性降低了 16 个百分点。这可能是由于本研究采用了相对准确和高分辨率的 DEM 和模型参数化方案，从而证实了不同冰川建模方法的一致性。根据获得的冰厚度估计，冰川储存冰的模拟体积计算为 0.11198 ± 0.0162 km 这可能是由于本研究采用了相对准确和高分辨率的 DEM 和模型参数化方案，从而证实了不同冰川建模方法的一致性。根据获得的冰厚度估计，冰川储存冰的模拟体积计算为 0.11198 ± 0.0162 km 这可能是由于本研究采用了相对准确和高分辨率的 DEM 和模型参数化方案，从而证实了不同冰川建模方法的一致性。根据获得的冰厚度估计，冰川储存冰的模拟体积计算为 0.11198 ± 0.0162 km2017 年有^{3 个}。