Integrated pan-Arctic melt onset detection from satellite active and passive microwave measurements, 2000-2009
Notice bibliographique
Résumé
[1] An integrated pan-Arctic melt onset data set is generated for the first time by combining estimates derived from active and passive microwave satellite data using algorithms developed for the northern high-latitude land surface, ice caps, large lakes, and sea ice. The data set yields new insights into the spatial and temporal patterns of mean melt onset date (MMOD) and the associated geographic and topographic controls. For example, in the terrestrial Arctic, tree fraction and latitude explain more than 60% of the variance in MMOD, with the former exerting a stronger influence on MMOD than the latter. Elevation is also found to be an important factor controlling MMOD, with most of the Arctic exhibiting significant positive relationships between MMOD and elevation, with a mean value of 24.5 m d−1. Melt onset progresses fastest over land areas of uniform cover or elevation (40–80 km d−1) or both and slows down in mountainous areas, on ice caps, and in the forest-tundra ecotones. Over sea ice, melt onset advances very slowly in the marginal seas, while in the central Arctic the rate of advance can exceed 100 km d−1. Comparison of the observed MMOD with simulated values from the third version of the Canadian Coupled Global Climate Model showed good agreement over land areas but weaker agreement over sea ice, particularly in the central Arctic, where simulated MMOD is about 2–3 weeks later than observed because of a cold bias in simulated surface air temperatures over sea ice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».