High Resolution RADARSAT-2 SAR Data for Sea-Ice Classification in the Neighborhood of Nunavik's Marine Infrastructures
Notice bibliographique
Résumé
Marine infrastructures are a key component for arctic communities. During the past decades, climate change effects have been observed throughout the Arctic and may be linked with marine infrastructure physical deterioration. Changes in the wind and water regimes and in the ice conditions are major factors explaining this observed phenomenon. Satellite radar images are often used to monitor sea ice conditions on a large scale. This study focuses on the use of high resolution radar images to assess the ice conditions during the freeze-up and break-up periods of 2009-2011 near the marine infrastructures of villages in Nunavik: Quaqtaq and Umiujaq. The data used in this study are RADARSAT-2 fine (9m) and ultra-fine (3m) images. They were processed using the Multivariate Iterative Region Growing using Semantics (MIRGS) algorithm developed in the Department of Systems Engineering at the University of Waterloo. Using MIRGS, sea ice maps are generated for the immediate neighbourhood of the marine infrastructures. Validation is made using air photos and ground photos taken at the infrastructures. Spatial statistics such as first ice appearance and different concentration thresholds are calculated for various buffers (0.1 to 10 km) around the infrastructure using spatial analysis methods in ArcGIS. The study is part of a larger project assessing the vulnerability of Nunavik’s marine infrastructures to climate change, led by Transport Quebec and the Ouranos Consortium. The ice maps and statistics will be used to document ice behaviour near the infrastructures and to validate a three-dimensional (3D) oceanic sea ice model.
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 | 0,001 | 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 ».