A thermodynamic model for estimating sea and lake ice thickness with optical satellite data
Notice bibliographique
Résumé
Sea ice is a very important indicator and an effective modulator of regional and global climate change. Current remote sensing techniques provide an unprecedented opportunity to monitor the cryosphere routinely with relatively high spatial and temporal resolutions. In this paper, we introduce a thermodynamic model to estimate sea and lake ice thickness with optical (visible, near‐infrared, and infrared) satellite data. Comparisons of nighttime ice thickness retrievals to ice thickness measurements from upward looking submarine sonar show that this thermodynamic model is capable of retrieving ice thickness up to 2.8 m. The mean absolute error is 0.18 m for samples with a mean ice thickness of 1.62 m, i.e., an 11% mean absolute error. Comparisons with in situ Canadian stations and moored upward looking sonar measurements show similar results. Sensitivity studies indicate that the largest errors come from uncertainties in surface albedo and downward solar radiation flux estimates from satellite data, followed by uncertainties in snow depth and cloud fractional coverage. Due to the relatively large uncertainties in current satellite retrievals of surface albedo and surface downward shortwave radiation flux, the current model is not recommended for use with daytime data. For nighttime data, the model is capable of resolving regional and seasonal variations in ice thickness and is useful for climatological analysis.
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 | 0,002 | 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».