Airborne Ice Thickness Measurement System - Opportunities and Impacts
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 In ice frequented regions, the potential for large ice floes and extreme ice features encroaching on offshore structures can be significant. An early warning system is desired to discriminate between thin ice of no risk and thick ice with significant challenge. The severity and variability of ice conditions will affect the feasibility of operating in such a region, with significant impact on the design and selection of resources to be used and the ice management requirements to support exploration and development. By measuring the ice thickness, operators can determine the operational risk for ice management operations. In addition, it can help map the areas of thin ice to aid shipping route selection. Despite its fundamental importance, sea ice thickness is one of the most difficult measurements to obtain via remote sensing. Passive remote sensing methods at the near infrared, thermal infrared and visible electromagnetic wavelengths, are restricted due to fog, precipitation, clouds, and Polar darkness. Thus active sensing techniques are deemed to be the only feasible method of measuring ice thickness, especially if they can be mounted in aircraft or satellites. Technical solutions are available to measure the thickness of sea ice, but they do not provide a physical measurement over a wide swath of ice. Thus, the authors are developing a wide swath ice thickness measurement system to fill this gap. The most practical solution for ice thickness measurement is an airborne radar. The authors have completed the preliminary design of a system that will combine an ice penetrating radar with a microwave synthetic aperture radar (SAR). The penetrating radar will be used to glean physical measurements of ice thickness, to be fused with the wide swath SAR to produce an ice thickness map.
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