Linking Regional Winter Sea Ice Thickness and Surface Roughness to Spring Melt Pond Fraction on Landfast Arctic Sea Ice
Notice bibliographique
Résumé
The Arctic sea ice cover has decreased strongly in extent, thickness, volume and age in recent decades. The melt season presents a significant challenge for sea ice forecasting due to uncertainty associated with the role of surface melt ponds in ice decay at regional scales. This study quantifies the relationships of spring melt pond fraction (fp) with both winter sea ice roughness and thickness, for landfast first-year sea ice (FYI) and multiyear sea ice (MYI). In 2015, airborne measurements of winter sea ice thickness and roughness, as well as high-resolution optical data of melt pond covered sea ice, were collected along two ~5.2 km long profiles over FYI- and MYI-dominated regions in the Canadian Arctic. Statistics of winter sea ice thickness and roughness were compared to spring fp using three data aggregation approaches, termed object and hybrid-object (based on image segments), and regularly spaced grid-cells. The hybrid-based aggregation approach showed strongest associations because it considers the morphology of the ice as well as footprints of the sensors used to measure winter sea ice thickness and roughness. Using the hybrid-based data aggregation approach it was found that winter sea ice thickness and roughness are related to spring fp. A stronger negative correlation was observed between FYI thickness and fp (Spearman rs = −0.85) compared to FYI roughness and fp (rs = −0.52). The association between MYI thickness and fp was also negative (rs = −0.56), whereas there was no association between MYI roughness and fp. 47% of spring fp variation for FYI and MYI can be explained by mean thickness. Thin sea ice is characterized by low surface roughness allowing for widespread ponding in the spring (high fp) whereas thick sea ice has undergone dynamic thickening and roughening with topographic features constraining melt water into deeper channels (low fp). This work provides an important contribution towards the parameterizations of fp in seasonal and long-term prediction models by quantifying linkages between winter sea ice thickness and roughness, and spring fp.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».