A weekly Arctic sea-ice thickness data record from merged CryoSat-2 and SMOS satellite 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
Abstract. Sea-ice thickness on a global scale is derived from different satellite sensors using independent retrieval methods. Due to the sensor and orbit characteristics, such satellite retrievals differ in spatial and temporal resolution as well as in the sensitivity to certain sea-ice types and thickness ranges. Satellite altimeters, such as CryoSat-2 (CS2), sense the height of the ice surface above the sea level, which can be converted into sea-ice thickness. Relative uncertainties associated with this method are large over thin ice regimes. Another retrieval method is based on the evaluation of surface brightness temperature (TB) in L-band microwave frequencies (1.4 GHz) with a thickness-dependent emission model, as measured by the Soil Moisture and Ocean Salinity (SMOS) satellite. While the radiometer-based method looses sensitivity for thick sea ice (> 1 m), relative uncertainties over thin ice are significantly smaller than for the altimetry-based retrievals. In addition, the SMOS product provides global sea-ice coverage on a daily basis unlike the altimeter data. This study presents the first merged product of complementary weekly Arctic sea-ice thickness data records from the CS2 altimeter and SMOS radiometer. We use two merging approaches: a weighted mean (WM) and an optimal interpolation (OI) scheme. While the weighted mean leaves gaps between CS2 orbits, OI is used to produce weekly Arctic-wide sea-ice thickness fields. The benefit of the data merging is shown by a comparison with airborne electromagnetic (AEM) induction sounding measurements. When compared to airborne thickness data in the Barents Sea, the merged product has a root mean square deviation (RMSD) of about 0.7 m less than the CS2 product and therefore demonstrates the capability to enhance the CS2 product in thin ice regimes. However, in mixed first-year (FYI) and multiyear (MYI) ice regimes as in the Beaufort Sea, the CS2 retrieval shows the lowest bias.
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 | 0,001 | 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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