Characterization of Hazardous Ice using Spaceborne SAR and Ice Profiling Sonar: Preliminary Results
Notice bibliographique
Résumé
Abstract Ice can pose hazard for operations (e.g., transportation, shipping, offshore oil and gas exploration) and for infrastructure (e.g., ports, pipelines, offshore structures). There is an increasing need for fine scale characterization of hazardous ice conditions. This information is of interest to many stakeholders including government departments and agencies, and the oil and gas industry. Spaceborne Synthetic Aperture Radar (SAR) sensors have demonstrated the viability and cost-effectiveness of near-real-time monitoring of the regional ice conditions. Satellite derived ice information products typically rely on the interpretation of ice analysts or in some cases semi-automated techniques, and cover relatively large areas at coarse resolution. Development of improved data products using high spatial resolution polarimetric RADARSAT-2 datasets (e.g., Fine Quad) is desired for detailed characterization of potentially hazardous ice conditions. Although validation of ice data products is challenging due to limited ground truth data, there are numerous sites throughout the Arctic with many years of continuous measurements of ice conditions obtained using bottom mounted Upward Looking Sonar (ULS) instruments. Using ULS data we have recently developed analytical methods to characterize highly deformed sea ice features including large individual keels, segments of hummocky ice, multi-year ice, and episodes of internal ice stress, which can also serve as validation data for SAR-based analysis. This paper presents an overview of our ongoing work and very preliminary results on hazardous ice characterization using SAR and ULS data. ULS data view from below and SAR data view from above are complementary information sources, and utilizing both is expected to result in better characterization of the ice conditions. During this work, paired SAR and ULS datasets will be generated to allow calibration and validation of algorithms, and methodologies will be developed to utilize these complementary data sources. This project is expected to (1) develop improved methods for fine scale analysis of RADARSAT-2 data; (2) develop enhanced information products generated in the hindcast mode when ULS and RADARSAT-2 are both available; (3) demonstrate potential for RCM (compact polarimetry). Calibrated and validated information products of hazardous ice will be extremely valuable for users who require such information for engineering design, to make management and policy decisions, and to safely perform operations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 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 ».