Passive Microwave Melt Onset Retrieval Based on a Variable Threshold: Assessment in the Canadian Arctic Archipelago
Notice bibliographique
Résumé
The Canadian Arctic Archipelago (CAA) presents unique challenges to the determination of melt onset (MO) using remote sensing data. High spatial resolution data is required to discern melt onset among the islands and narrow waterways of the region. Current passive microwave retrievals use daily averaged 19 GHz and 37 GHz data from the multi-channel microwave radiometer (SMMR) and/or the special sensor microwave/imager (SSM/I). The development of a new passive microwave melt onset method capable of using higher resolution data is desirable. The new passive microwave melt onset method described here, named the Dynamic Threshold Variability Method (DTVM), uses higher resolution data from the 37 GHz vertically-polarized channel from the advanced microwave scanning radiometers (AMSR-E and AMSR-2). The DTVM MO detection methodology differs from previously presented passive microwave Arctic MO methods in that it does not use a fixed threshold of a brightness temperature parameter. Instead, the DTVM determines MO dates based on the distribution of dates corresponding to the exceedance of a range of brightness temperature variability thresholds. The method also uses swath data instead of daily averaged brightness temperatures, which is found to lead to improved melt detection. Two current passive microwave MO methods are compared and evaluated for applicability in the CAA alongside the DTVM. The DTVM provides MO dates at a higher spatial resolution than earlier methods in addition to higher correlation with MO dates from surface air temperature (SAT) reanalyses. It is found that, for some years, MO dates in the CAA exhibit a latitudinal dependence, while in other years the MO dates in the CAA are relatively uniform across the domain.
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 | 0,001 | 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 | 0,000 | 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 ».