Estimation of melt pond fraction over high‐concentration Arctic sea ice using AMSR‐E passive microwave data
Notice bibliographique
Résumé
Abstract Melt pond fraction (MPF) on sea ice is an important factor for ice‐albedo feedback throughout the Arctic Ocean. We propose an algorithm to estimate MPF using satellite passive microwave data in this study. The brightness temperature ( T B ) data obtained from the Advanced Microwave Scanning Radiometer‐Earth observing system (AMSR‐E) were compared to the ship‐based MPF in the Beaufort Sea and Canadian Arctic Archipelago. The difference between the T B at horizontal and vertical polarizations of 6.9 and 89.0 GHz ( MP 06H–89V ), respectively, depends on the MPF. The correlation between MP 06H–89V and ship‐based MPF was higher than that between ship‐based MPF and two individual channels (6.9 and 89.0 GHz of horizontal and vertical polarizations, respectively). The MPF determined with the highest resolution channel, 89.0 GHz (5 km × 5 km), provides spatial information with more detail than the 6.9 GHz channel. The algorithm estimates the relative fraction of ice covered by water (1) over areas where sea ice concentration is higher than 95%, (2) during late summer, and (3) in areas with low atmospheric humidity. The MPF estimated from AMSR‐E data (AMSR‐E MPF) in early summer was underestimated at lower latitudes and overestimated at higher latitudes, compared to the MPF obtained from the Moderate Resolution Image Spectrometer (MODIS MPF). The differences between AMSR‐E MPF and MODIS MPF were less than 5% in most the regions and the periods. Our results suggest that the proposal algorithm serves as a basis for building time series of MPF in regions of consolidated ice pack.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».