Improved Sea Ice Concentration Estimation Through Fusing Classified SAR Imagery and AMSR-E Data
Notice bibliographique
Résumé
. A method to automatically combine binary ice/water information from synthetic aperture radar (SAR) sea ice images with the Advanced Microwave Scanning Radiometer-EOS (AMSR-E) daily ice concentration product is proposed for the purpose of generating sea ice concentration estimates with improved detail and accuracy. First, each pixel in the SAR image is labeled as ice or water using the MAp-Guided Ice Classification (MAGIC) SAR image classification system. Second, the labeled pixels are modeled as a Bernoulli process and combined with the AMSR-E ice concentration data in a Bayesian framework to generate improved ice concentration estimation. Visually interpreted ice/water extent and sea ice image analyses from the Canadian Ice Service (CIS) are used as comparison data. The combination of SAR ice/water labeled pixels with the AMSR-E ice concentration is shown to improve the ice concentration estimates, especially at the ice edge where substantial improvements are observed. Although the present study uses ice/water information from SAR, the method is general and could be used with other sources of ice/water remote sensed data.Résumé. Une méthode pour combiner automatiquement les informations binaires de glace/eau des images de radar à ouverture synthétique «synthetic aperture radar» (SAR) de la glace de mer avec le produit de la concentration quotidienne des glaces de «Advanced Microwave Scanning Radiometer-EOS» (AMSR-E), est proposée dans le but de produire des estimations de concentration de glace de mer en améliorant les détails et la précision. Tout d’abord, chaque pixel de l’image SAR est étiqueté comme de la glace ou de l’eau en utilisant le système de classification de l’image SAR «MAp-Guided Ice Classification» (MAGIC). Deuxièmement, les pixels étiquetés sont modélisés comme un processus de Bernoulli et combinés avec les données de concentration de glace AMSR-E dans un cadre Bayésien pour générer une meilleure estimation de la concentration de glace. L’étendue de la glace/eau interprétée visuellement et les analyses de l’image de la glace de mer du Service canadien des glaces «Canadian Ice Service» (CIS) sont utilisées comme données de comparaison. La combinaison des pixels SAR étiquetés glace/eau avec la concentration de glace AMSR-E améliore les estimations de concentration de glace, en particulier à la lisière de glace où des améliorations substantielles sont observées. Bien que la présente étude utilise les informations de glace/eau de SAR, la méthode est générale et peut être utilisée avec d’autres sources de données de télédétection de glace/eau.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».