Improved mapping of sea ice production in the Arctic Ocean using AMSR‐E thin ice thickness algorithm
Notice bibliographique
Résumé
Abstract New and improved estimates of sea ice production in the Arctic Ocean are derived from AMSR‐E satellite and atmospheric reanalysis data for the period 2002–2011, at a spatial resolution of 6.25 km and using a newly developed fast‐ice mask. High ice production in the major coastal polynyas is well demonstrated. The total annual cumulative ice production in the major 10 polynya regions is about . The interannual variability of the ice production for each polynya is presented during 2002–2011. No obvious relationship is noted between the ice production and the recent drastic reduction in the preceding summer Arctic sea ice extent. Most polynya regions exhibit maximum ice production in autumn (October – November), before areas offshore have been covered with consolidated pack ice. Sea ice production from October to November in the marginal ice zone of the Pacific Ocean sector is negatively correlated with summer ice extent there. The ice production from October to November of 2007 (a record minimum summer ice extent) was about twice as large as that in other years. The high ice production area shifted to higher latitudes i.e., toward the deep Canada Basin, due to the retreat of the summer ice edge. We speculate that the resultant increase in brine input could change the oceanic structure in the basin, specifically deepening the winter mixed layer.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 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 ».