Opportunistic evaluation of modelled sea ice drift using passively drifting telemetry collars in Hudson Bay, Canada
Notice bibliographique
Résumé
Abstract. Sea ice drift plays a central role in the Arctic climate and ecology through its effects on the ice cover, thermodynamics, and energetics of northern marine ecosystems. Due to the challenges of accessing the Arctic, remote sensing has been used to obtain large-scale longitudinal data. These data are often associated with errors and biases that must be considered when incorporated into research. However, obtaining reference data for validation is often prohibitively expensive or practically unfeasible. We used the motion of 20 passively drifting high-accuracy GPS telemetry collars originally deployed on polar bears, Ursus maritimus, in western Hudson Bay, Canada, to validate a widely used sea ice drift dataset produced by the National Snow and Ice Data Center (NSIDC). Our results showed that the NSIDC model tended to underestimate the horizontal and vertical (i.e., u and v) components of drift. Consequently, the NSIDC model underestimated magnitude of drift, particularly at high ice speeds. Modelled drift direction was unbiased; however, it was less precise at lower drift speeds. Research using these drift data should consider integrating these biases into their analyses, particularly where absolute ground speed or direction is necessary. Further investigation is required into the sources of error, particularly in under-examined areas without in situ data.
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 | 0,000 |
| 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 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 ».