Winter navigation in the Northern Sea Route using RADARSAT data
Notice bibliographique
Résumé
Abstract The results are presented of the first winter ice navigation demonstration, using synthetic aperture radar (SAR) images from the Canadian satellite RADARSAT, onboard the nuclear icebreaker Sovetskiy Soyuz in the Kara Sea region in April–May 1998. While ERS SAR data only could cover part of the sea ice in this large area, the demonstration showed that RADARSAT ScanSAR images with 100 m pixel size could be used to map all relevant ice areas with a few 500 × 500 km scenes. SAR images transferred onboard icebreakers in near real time offer an excellent possibility to select optimal sailing routes in difficult ice conditions such as those that were encountered by this expedition. SAR images were also used for planning of operations prior to the expedition. This study compares sub-satellite sea-ice observations with RADARSAT SAR as well as Okean side-looking radar (SLR) signatures of the major ice types and features found in the Kara Sea during winter. Wide-swath SAR images will become available from several new satellites in the near future, such as Envisat, scheduled in 2001, and RADARSAT-2, in 2002. Satellite SAR images will therefore play an increasingly important role in operational ice monitoring both in the Northern Sea Route and in other ice areas.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 tête enseignante, 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 ».