Comparison of Arctic Sea Ice Thickness from Satellites, Aircraft, and PIOMAS Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this study, six Arctic sea ice thickness products are compared: the AVHRR Polar Pathfinder-extended (APP-x), ICESat, CryoSat-2, SMOS, NASA IceBridge aircraft flights, and the Pan-Arctic Ice Ocean Modeling and Assimilation System (PIOMAS). The satellite products are based on three different retrieval methods: an energy budget approach, measurements of ice freeboard, and the relationship between passive microwave brightness temperatures and thin ice thickness. Inter-comparisons are done for the periods of overlap from 2003 to 2013. Results show that ICESat sea ice is thicker than APP-x and PIOMAS overall, particularly along the north coast of Greenland and Canadian Archipelago. The relative differences of APP-x and PIOMAS with ICESat are −0.48 m and −0.31 m, respectively. APP-x underestimates thickness relative to CryoSat-2, with a mean difference of −0.19 m. The biases for APP-x, PIOMAS, and CryoSat-2 relative to IceBridge thicknesses are 0.18 m, 0.18 m, and 0.29 m. The mean difference between SMOS and CryoSat-2 for 0~1 m thick ice is 0.13 m in March and −0.24 m in October. All satellite-retrieved ice thickness products and PIOMAS overestimate the thickness of thin ice (1 m or less) compared to IceBridge for which SMOS has the smallest bias (0.26 m). The spatial correlation between the datasets indicates that APP-x and PIOMAS are the most similar, followed by APP-x and CryoSat-2.
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.
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 découle