MétaCan
Menu
Retour à la cohorte
Enregistrement W2327595378 · doi:10.3390/rs8040317

The Impact of Geophysical Corrections on Sea-Ice Freeboard Retrieved from Satellite Altimetry

2016· article· en· W2327595378 sur OpenAlexafffundabout
Robert Ricker, Stefan Hendricks, Justin Beckers

Notice bibliographique

RevueRemote Sensing · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanada Research ChairsBundesministerium für Wirtschaft und TechnologieEuropean Space Agency
Mots-clésFreeboardSatellite altimetryGeologyAltimeterSatelliteSea iceClimatologyHydrostatic equilibriumEnvironmental scienceSea levelSea ice thicknessGeodesyCryosphereMeteorologyOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

Satellite altimetry is the only method to monitor global changes in sea-ice thickness and volume over decades. Such missions (e.g., ERS, Envisat, ICESat, CryoSat-2) are based on the conversion of freeboard into thickness by assuming hydrostatic equilibrium. Freeboard, the height of the ice above the water level, is therefore a crucial parameter. Freeboard is a relative quantity, computed by subtracting the instantaneous sea surface height from the sea-ice surface elevations. Hence, the impact of geophysical range corrections depends on the performance of the interpolation between subsequent leads to retrieve the sea surface height, and the magnitude of the correction. In this study, we investigate this impact by considering CryoSat-2 sea-ice freeboard retrievals in autumn and spring. Our findings show that major parts of the Arctic are not noticeably affected by the corrections. However, we find areas with very low lead density like the multiyear ice north of Canada, and landfast ice zones, where the impact can be substantial. In March 2015, 7.17% and 2.69% of all valid CryoSat-2 freeboard grid cells are affected by the ocean tides and the inverse barometric correction by more than 1 cm. They represent by far the major contributions among the impacts of the individual corrections.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,962
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,230
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations47
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207