A comparison of satellite-derived sea-ice motion with drifting-buoy data in the Weddell Sea, Antarctica
Notice bibliographique
Résumé
Abstract We compare a satellite-derived sea-ice motion dataset obtained from the US National Snow and Ice Data Center with daily ice drift by drifting buoys between 1989 and 2005. the satellite data were derived from daily composites of passive-microwave satellite measurements by means of a cross-correlation method and were supplemented with data from visible and thermal channels of the Advanced Very High Resolution Radiometer. Seasonal and interannual variations of the agreement between the two datasets are discussed. In addition, regional differences in the agreement and correlation coefficients of buoy- and satellite-derived drift components are analyzed. Results show that the overall drift regime can be well described by satellite-derived drift data but 71% of the retrieved drift velocities are lower than those observed by buoys. Nevertheless, correlation coefficients, r , between the two datasets are 0.587 for the zonal and 0.613 for the meridional drift component. the correlation coefficients between monthly averages of buoy- and satellite-derived zonal and meridional drift components are on average 25.7% and 16.4% lower in summer (October–February) than in winter (March–September), with the exception of January. In January, correlation coefficients are about 62.6% (zonal) and 66.5% (meridional) lower than in winter. Furthermore, deviations between zonal buoy- and satellite-derived drift are 80% larger in the second half than in the first half of the year. the observed yearly and regional averaged agreement between the two datasets depends strongly on the season when buoy data were collected and on the number of coincident buoy and satellite data, which was often very low.
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 | 0,001 | 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 | 0,001 | 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 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 ».