Linking winter and spring thermodynamic sea-ice states at critical scales using an object-based image analysis of Sentinel-1
Notice bibliographique
Résumé
ABSTRACT Changing Arctic sea-ice extent and melt season duration, and increasing economic interest in the Arctic have prompted the need for enhanced marine ecosystem studies and improvements to dynamical and forecast models. Sea-ice melt pond fraction fp has been shown to be correlated with the September minimum ice extent due to its impact on ice albedo and heat uptake. Ice forecasts should benefit from knowledge of fp as melt ponds form several months in advance of ice retreat. This study goes further back by examining the potential to predict fp during winter using backscatter data from the commonly available Sentinel-1 synthetic aperture radar. An object-based image analysis links the winter and spring thermodynamic states of first-year and multiyear sea-ice types. Strong correlations between winter backscatter and spring fp, detected from high-resolution visible to near infrared imagery, are observed, and models for the retrieval of fp from Sentinel-1 data are provided (r2 ≥ 0.72). The models utilize HH polarization channel backscatter that is routinely acquired over the Arctic from the two-satellite Sentinel-1 constellation mission, as well as other past, current and future SAR missions operating in the same C-band frequency. Predicted fp is generally representative of major ice types first-year ice and multiyear ice during the stage in seasonal melt pond evolution where fp is closely related to spatial variations in ice topography.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».