Short-Term Operational Sea Ice Forecasting for Arctic Shipping
Notice bibliographique
Résumé
The Arctic sea ice is declining in extent, volume and thickness. With this decline comes an increased interest in the two main Arctic shipping routes: Canada’s Northwest Passage (NWP) and Russian Northern Sea Route (NSR). The NWP is the most direct route between Asia and the East coast of North America. Some routes are up to 40% shorter than those using the Suez Canal. With commercial and contractual implications, Arctic shipping route access needs to be predictable with sufficient lead time to allow optimization. This paper presents a methodology for forecasting the timing and length of the open-water season (by determining freeze-up and break-up dates) on regional scales at key locations in the NWP along with examples of applications. A suite of statistical models were developed to forecast the timing and length of the open-water season at key locations within the NWP, using a multi-node based quadratic discriminant (QD) approach. Forecasts are feasible up to four weeks in advance. Ensembles of QD models were built for key regions using a feature selection method to select an optimized set of input parameters to better discriminate between two states (i.e., ice or open-water). The set of available features used included observed and modeled environmental, oceanographic and atmospheric parameters. Results of models with a 28-day forecast horizon show that over 59% of predictions for break-up and 79% of predictions for freeze-up fall within a ±4-day range, which is the error on the reference dates derived from the weekly CIS ice charts.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».