Thin ice thickness distribution and ice production in the North Water and Laptev Sea polynya regions using MODIS thermal infrared imagery
Notice bibliographique
Résumé
We present investigations of Arctic polynya dynamics for the period 2002/2003 to 2011/2012. Thin ice thicknesses were calculated from MODIS ice surface temperatures, combined with ECMWF ERA-Interim reanalysis atmospheric data in an energy balance model. Regions of interest include the North Water Polynya, located between Ellesmere Island (Canada) and Greenland, and the Laptev Sea flaw polynyas. Based on calculated thin ice thicknesses, associated quantities like polynya area and total ice production were derived for all regarded regions and compared to recent studies using passive microwave remote sensing data. Calculated ice production reaches mean values of 223 km3 for the North Water Polynya and 79 km3 for the Laptev Sea. They underline the importance of the two coastal polynya systems in the context of the Arctic sea ice budget, although their individual contribution seems to be overestimated in other satellite-based studies. For both regions, obtained polynya areas and ice production clearly exceeded the corresponding values from passive microwave studies, despite a good agreement in the overall seasonal development. Possible reasons include a hidden effect of undetected clouds and the applied parametrizations in the polynya area retrieval. The application of a simple cloud coverage-correction scheme yielded reasonable adjustments for the polynya area and accumulated ice production, while open questions originating from inherent cloud effects have to be addressed in future studies. Noticeably, the sea ice cover in both regarded polynya regions shows signs of a delayed fall freeze-up over the 10 year-period.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».