Model Based Estimation of Sea Ice Parameters
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
Abstract The work focuses on retrieving sea ice parameters using reanalysis, climatological and remote sensing data. A numerical sea ice model was implemented with a data assimilation scheme on a high performance computer. The model input includes atmospheric reanalysis and ocean climatological data. The assimilation of data acquired from satellite microwave radiometer improves model accuracy. The advantage of the model is the possibility to forecast ice parameters such as concentration, thickness, draft, ridging etc. on a high resolution scale. The modeled ice parameters can be used for risk analysis for offshore infrastructure and ship navigation in the ice covered regions. The results can also be used in regional climate studies by coupling with ocean-atmospheric models. The model was extensively tested and evaluated with satellite data and field measurements. The simulated ice draft results demonstrated a good agreement with the measurements from upward looking sonar (ULS) deployed on the Makkovik Bank (in the Labrador Sea). For example, the standard deviation (STD) of level ice draft is less than 5.0 cm and the bias is less than 0.2 cm for March-April of 2009. The simulated ice thickness was also compared with the thickness derived from Soil Moisture Ocean Salinity - Microwave Imaging Radiometer using Aperture Synthesis (SMOS-MIRAS) (). The results show that the estimated thickness from the model is within the uncertainty limits of the SMOS product.
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 | 0,001 |
| 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