Improving Multiyear Sea Ice Concentration Estimates with Sea Ice Drift
Notice bibliographique
Résumé
Multiyear ice (MYI) concentration can be retrieved from passive or active microwave remote sensing observations. One of the algorithms that combines both observations is the Environmental Canada Ice Concentration Extractor (ECICE). However, factors such as ridging, snow wetness and metamorphism can cause significant changes in brightness temperature and backscatter, leading to misidentification of FYI as MYI, hence increasing the estimated MYI concentrations suddenly. This study introduces a correction scheme to restore the MYI concentrations under these conditions. The correction utilizes ice drift records to constrain the MYI changes and uses two thresholds of passive microwave radiometric parameters to account for snow wetness and metamorphism. The correction is applied to MYI concentration retrievals from ECICE with inputs from QuikSCAT and AMSR-E observations, acquired over the Arctic region in a series of winter seasons (October to May) from 2002 to 2009. Qualitative comparison with the Radarsat-1 SAR images and quantitative comparison against results from previous studies show that the correction works well by removing the anomalous high MYI concentrations. On average, the correction reduces the estimated MYI area by 5.2 × 105 km2 (14.3%) except for the April–May time frame, when the reduction is larger as the warmer weather prompts the condition of the anomalous snow radiometric signature. Due to the long-lasting (i.e., from one to several weeks) effect of the warm spells on FYI, the correction could be important in climatological research and operational applications.
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 | 0,000 | 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 ».