MétaCan
Menu
Retour à la cohorte
Enregistrement W2032448917 · doi:10.3189/172756402781817590

Use of passive-microwave data to monitor spatial and temporal variations of snow cover at tree line near Churchill, Manitoba, Canada

2002· article· en· W2032448917 sur OpenAlexafffundabout
Frédérique C. Pivot, Claude Kergomard, Claude Duguay

Notice bibliographique

RevueAnnals of Glaciology · 2002
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSnowSpecial sensor microwave/imagerEnvironmental scienceSnow coverSpatial variabilityRemote sensingClimatologyTundraSpatial ecologyMicrowavePhysical geographyGeologyGeographyArcticOceanographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract We evaluated the contribution of Special Sensor Microwave/Imager (SSM/I) passive-microwave data to the monitoring of spatial and temporal variability of snow cover in the Churchill area, Manitoba, Canada. Because of the coarse spatial resolution of current passive-microwave sensors, the estimation of snow water equivalent using empirical equations with these instruments is largely compromised in complex areas such as Churchill (forest–tundra ecotone). However, with its high frequency of observations and the availability of a long time series (1988–99), passive-microwave data from the SSM/I radiometer remain a very valuable tool for monitoring the temporal evolution of snow cover at various spatial scales. Through winter 1997/98, we first examined the passive-microwave signatures at the local scale and we identified the major stages of the snow period. Principal-component analysis (PCA) applied on spectral-difference (Tb(19H) - Tb(37H))time series (1988–99) enabled us to identify spatio-temporal effects over a large area. PCA also permitted the extraction of indices of relevance for monitoring climatic variability and climate change (annual snow-cover duration, dates of snow-cover appearance and disappearance).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,264
Écart entre enseignants0,128 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2002
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAnnals of GlaciologyMême sujetCryospheric studies and observationsTravaux en français237 207