Retrieval of Wintertime Sea Ice Production in Arctic Polynyas Using Thermal Infrared and Passive Microwave Remote Sensing Data
Notice bibliographique
Résumé
Abstract Precise knowledge of wintertime sea ice production in Arctic polynyas is not only required to enhance our understanding of atmosphere‐sea ice‐ocean interactions but also to verify frequently utilized climate and ocean models. Here, a high‐resolution (2‐km) Moderate Resolution Imaging Spectroradiometer (MODIS) thermal infrared satellite data set featuring spatial and temporal characteristics of 17 Arctic polynya regions for the winter seasons 2002/2003 to 2017/2018 is directly compared to an akin low‐resolution Advanced Microwave Scanning Radiometer‐EOS (AMSR‐E) passive microwave data set for 2002/2003 to 2010/2011. The MODIS data set is purely based on a 1‐D energy‐balance model, where thin‐ice thicknesses (≤ 20 cm) are directly derived from ice‐surface temperature swath data and European Centre for Medium‐Range Weather Forecasts Re‐Analysis‐Interim atmospheric reanalysis data on a quasi‐daily basis. Thin‐ice thicknesses in the AMSR‐E data set are derived empirically. Important polynya properties such as areal extent and potential thermodynamic ice production can be estimated from both pan‐Arctic data sets. Although independently derived, our results show that both data sets feature quite similar spatial and temporal variations of polynya area (POLA) and ice production (IP), which suggests a high reliability. The average POLA (average accumulated IP) for all Arctic polynyas combined derived from both MODIS and AMSR‐E are 1.99×10 5 km 2 (1.34×10 3 km 3 ) and 2.29×10 5 km 2 (1.31×10 3 km 3 ), respectively. Narrow polynyas in areas such as the Canadian Arctic Archipelago are notably better resolved by MODIS. Analysis of 16 winter seasons provides an evaluation of long‐term trends in POLA and IP, revealing the significant increase of ice formation in polynyas along the Siberian coast.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».