Sea-ice coverage variability on the Northern Sea Routes, 1980–2011
Notice bibliographique
Résumé
Abstract We analyze sea-ice conditions along seven segments of the Northern Sea Route (NSR) over four time periods. We researched sea ice by segment, using data from the satellite microwave sensors SMMR, SSM/I and AMSR-E. The four analysis periods (periods I–IV: 1980–88, 1989–2001, 2002–06 and 2007–11, respectively) were determined based on changes in the extent of minimum sea ice throughout the Arctic Ocean. Sea ice showed a decreasing tendency from period I to period IV. For example, sea-ice area in period IV decreased compared to previous periods in the eastern East Siberian Sea and around Severnaya Zemlya, areas that had very high sea-ice concentrations in period I. Sea-ice area in the eastern East Siberian Sea decreased sharply during period III, whereas the Severnaya Zemlya area maintained a high ice concentration. In period IV, sea-ice coverage around Severnaya Zemlya was low, although it remained at 25% in the area east of Severnaya Zemlya, which is a key area for navigation. The proportion of multi-year (MY) ice drastically decreased after winter 2002, and only a small amount of MY ice existed in the winters of 2003–06. MY ice disappeared from the eastern East Siberian Sea after 2007. On the other hand, around Severnaya Zemlya the proportion of MY ice showed cyclic ups and downs between 1997 and 2008. Thus, the persistence of various types of sea ice varies according to region. The persistence of various types of sea ice around Severnaya Zemlya also varied each year.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».