Spatial and Temporal Variations in the Extent and Thickness of Arctic Landfast Ice
Notice bibliographique
Résumé
Analyses of landfast ice in Arctic coastal areas provide a comprehensive understanding of the variations in Arctic sea ice and generate data for studies on the utilization of the Arctic passages. Based on our analysis, Arctic landfast ice mainly appears in January–June and is distributed within the narrow straits of the Canadian Archipelago (nearly 40%), the coastal areas of the East Siberian Sea, the Laptev Sea, and the Kara Sea. From 1976–2018, the landfast ice extent gradually decreased at an average rate of −1.1 ± 0.5 × 104 km2/yr (10.5% per decade), while the rate of decrease for entire Arctic sea ice was −6.0 ± 2.4 × 104 km2/yr (5.2% per decade). The annual maximum extent reached 2.3 × 106 km2 in the early 1980s, and by 2018, the maximum extent decreased by 0.6 × 106 km2, which is an area approximately equivalent the Laptev Sea. The mean duration of Arctic landfast ice is 44 weeks, which has gradually been reduced at a rate of −0.06 ± 0.03 weeks/yr. Regional landfast ice extent decreases in 16 of the 17 subregions except for the Bering Sea, making it the only subregion where both the extent and duration increases. The maximum mean landfast ice thickness appears in the northern Canadian Archipelago (>2.5 m), with the highest increasing trend (0.1 m/yr). In the Northeast Passage, the mean landfast ice thickness is 1.57 m, with a slight decreasing trend of −1.2 cm/yr, which is smaller than that for entire Arctic sea ice (−5.1 cm/yr). The smaller decreasing trend in the landfast ice extent and thickness suggests that the well-known Arctic sea ice decline largely occurred in the pack ice zone, while the larger relative extent loss indicates a faster ice free future in the landfast ice zone.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».