First year sea ice characterization from Quad-pol H-A-α classification
Notice bibliographique
Résumé
At spring when solar irradiance and air temperature turn snow and ice into an array of surface scatterers, point scatterers become the main signature of ridged environments. This information is better retained in unfiltered T3 matrixes. On another hand a Lee filtered T3 matrix gives information about the diversity of a distributed target which is equally indicative of the higher variability within ridges. In order to keep both in a single set of data, we computed an hybrid matrix composed of the alpha parameter from a single look T3 matrix and the entropy of the same matrix from a Lee 3x3 matrix. As revealed running a Wishart classification algorithm, this approach increases greatly the contrast between ridged and flat areas. The statistics presented in the results section were computed from areas characterized as a) linear ridges, b) rubble fields, c) type 1 un-deformed ice and, d) type 2 un-deformed ice. Un-deformed type 1 ice dates back to the previous fall freeze-up period while un-deformed type 2 ice is a thinner ice formed later through the winter season when the ice pack open up under certain wind conditions and new ice can develop into a flat section. While this technique couldn’t be used during most of the winter season, this may present a great potential to extract narrow linear structures when snow wetness increase surface scattering and therefore the occurrence of single and double bounce scattering mechanisms.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,002 | 0,001 |
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 ».