Multi-scale observations of the co-evolution of sea ice thermophysical properties and microwave brightness temperatures during the summer melt period in Hudson Bay
Notice bibliographique
Résumé
Monitoring the trend of sea ice breakup and formation in Hudson Bay is vital for maritime operations, such as local hunting or shipping, particularly in response to the lengthening of the ice-free period in the Bay driven by climate change. Satellite passive microwave sea ice concentration products are commonly used for large-scale sea ice monitoring and predictive modelling; however, these product algorithms are known to underperform during the summer melt period due to the changes in sea ice thermophysical properties. This study investigates the evolution of in situ and satellite-retrieved brightness temperature (TB) throughout the melt season using a combination of in situ passive microwave measurements, thermophysical sampling, unmanned aerial vehicle (UAV) surveys, and satellite-retrieved TB. In situ data revealed a strong positive correlation between the presence of liquid water in the snow matrix and in situ TB in the 37 and 89 GHz frequencies. When considering TB ratios utilized by popular sea ice concentration algorithms (e.g., NASA Team 2), liquid water presence in the snow matrix was shown to increase the in situ TB gradient ratio of 37/19V. In situ gradient ratios of 89/19V and 89/19H were shown to correlate positively with UAV-derived melt pond coverage across the ice surface. Multi-scale comparison between in situ TB measurements and satellite-retrieved TB (by Advanced Microwave Scanning Radiometer 2) showed a distinct pattern of passive microwave TB signature at different stages of melt, confirmed by data from in situ thermophysical measurements. This pattern allowed for both in situ and satellite-retrieved TB to be partitioned into three discrete stages of sea ice melt: late spring, early melt and advanced melt. The results of this study thus advance the goal of achieving more accurate modeled predictions of the sea ice cover during the critical navigation and breakup period in Hudson Bay.
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 | 0,000 |
| 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 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 ».