Sea ice kinematics and surface properties from RADARSAT synthetic aperture radar during the SHEBA drift
Notice bibliographique
Résumé
Satellite data are important for providing the large‐scale context of the Surface Heat Budget of the Arctic Ocean (SHEBA) station and for characterizing the spatial variability of the sea ice in its vicinity. The Canadian RADARSAT satellite collected 195 synthetic aperture radar (SAR) images of the SHEBA site over the course of the 1 year drift. The RADARSAT Geophysical Processor System (RGPS) used these images to compute the spatial pattern of ice motion within 100 km of the SHEBA station by tracking features in sequential images. From the ice motion data the divergence and shear of the pack ice are estimated. The divergence is large from November to January, followed by a gradual convergence from February through July. The character of the ice motion changes at the end of July, from piecewise rigid motion to free drift. The ice motion reverts to its winterlike character in late September. Thus the “kinematic” summer runs from late July to late September. The radar backscatter also goes through seasonal transitions, capturing the abrupt onset of melt (29 May) and freeze‐up (15 August). The concentration of multiyear ice is about 94% in the fall, and its backscatter signature remains stable through spring. Multiyear and first‐year ice cannot be distinguished during the summer melt season, when the mean backscatter is negatively correlated with the surface air temperature. The “thermodynamic” summer runs from late May to mid‐August.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».