Comparison of thin ice thickness distributions derived from RADARSAT Geophysical Processor System and advanced very high resolution radiometer data sets
Notice bibliographique
Résumé
Thin ice thickness distributions estimated from advanced very high resolution radiometer (AVHRR) and RADARSAT Geophysical Processor System (RGPS) data sets were compared over the Beaufort Sea and the Canada Basin for the period December 1996 to February 1997. The comparisons show a compelling agreement. High correlations were found in cases where thin ice grew in large, wide leads extending several hundred kilometers. At these large scales, estimates from AVHRR images and RGPS showed similar amounts of thin ice in leads. However, when major surface deformation occurred on small scales (100 m to 10 km), the finer spatial resolution (100 m) of RADARSAT images enabled the RGPS algorithm to derive more thin ice than that of AVHRR. Under such conditions the correlation between the two dropped, and a small negative bias (about 1%) was observed in the estimates from AVHRR. This bias, mostly concentrated at the very thin end of the thickness distribution, caused a further deficit in the AVHRR‐derived thin ice growth, roughly 0.2 cm/d. Although the AVHRR and RGPS algorithms treat snowfall differently in the ice thickness calculations, both snow assumptions appear reasonable. However, RGPS may underestimate the thin ice production because of the 3‐day sampling interval. With a better understanding of the sources of uncertainty and improved satellite estimates, a combination of these two satellite data could offer a wider coverage of thin ice thickness observations in the Arctic Basin.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 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) | 0,000 | 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 ».