MétaCan
Menu
Retour à la cohorte
Enregistrement W2135187767 · doi:10.1002/hyp.6240

First‐year sea ice spring melt transitions in the Canadian Arctic Archipelago from time‐series synthetic aperture radar data, 1992–2002

2006· article· en· W2135187767 sur OpenAlexafffundabout
John Yackel, David G. Barber, Tim Papakyriakou, C. Breneman

Notice bibliographique

RevueHydrological Processes · 2006
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of ManitobaUniversity of Calgary
Organismes subventionnairesNatural Resources CanadaUniversity of WaterlooNational Aeronautics and Space Administration
Mots-clésSnowSnowmeltAlbedo (alchemy)Synthetic aperture radarSea iceClimatologyArcticFirnEnvironmental scienceGeologySeries (stratigraphy)Remote sensingMeteorologyOceanographyGeographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract This paper synthesizes 10‐years' worth of interannual time‐series space‐borne ERS‐1 and RADARSAT‐1 synthetic aperture radar (SAR) data collected coincident with daily measurement of snow‐covered, land‐fast first‐year sea ice (FYI) geophysical and surface radiation data collected from the Seasonal Sea Ice Monitoring and Modeling Site, Collaborative‐Interdisciplinary Cryospheric Experiment and 1998 North Water Polynya study over the period 1992 to 2002. The objectives are to investigate the seasonal co‐relationship of the SAR time‐series dataset with selected surface mass (bulk snow thickness) and climate state variables (surface temperature and albedo) measured in situ for the purpose of measuring the interannual variability of sea ice spring melt transitions and validating a time‐series SAR methodology for sea ice surface mass and climate state parameter estimation. We begin with a review of the salient processes required for our interpretation of time‐series microwave backscatter from land‐fast FYI. Our results suggest that time‐series SAR data can reliably measure the timing and duration of surface albedo transitions at daily to weekly time‐scales and at a spatial scales that are on the order of hundreds of metres. Snow thickness on FYI immediately prior to melt onset explains a statistically significant portion of the variability in timing of SAR‐detected melt onset to pond onset for SAR time‐series that are made up of more than 25 images. Our results also show that the funicular regime of snowmelt, resolved in time‐series SAR data at a temporal resolution of approximately 2·5 images per week, is not detectable for snow covers less than 25 cm in thickness. Copyright © 2007 John Wiley & Sons, Ltd.

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)0,001
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 enseignants0,020
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,013
Tête enseignante GPT0,189
Écart entre enseignants0,176 · 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

Citations67
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207