Utilisation of CryoSat-2 SAR altimeter in operational ice charting
Notice bibliographique
Résumé
Abstract. We present methods to utilise CryoSat-2 (CS-2) synthetic aperture radar (SAR) mode data in operational ice charting. We compare CS-2 data qualitatively to SAR mosaics over the Barents and Kara seas. Furthermore, we compare the CS-2 to archived operational ice charts. We present distributions of four CS-2 waveform parameters for different ice types as presented in the ice charts. We go on to present an automatic classification method for CS-2 data which, after training with operational ice charts, is capable of determining open ocean from ice with a hit rate of > 90 %. The training data are dynamically updated every 5 days using the most recent 15 days of CS-2 data and operative ice charts. This helps the adaption of the classifier to the evolving ice/snow conditions throughout winter. The classifier is also capable of detecting three different ice classes (thin and thick first-year ice as well as old ice) with success rates good enough for the output to be usable to support operational ice charting. Finally, we present a near-real-time CS-2 product just plotting the waveform characteristics and conclude that even such a simple product is usable for some of the needs of ice charting.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 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) | 0,005 | 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 ».