MétaCan
Menu
Retour à la cohorte
Enregistrement W3023352153 · doi:10.3390/rs12091402

Long-Term Analysis of Sea Ice Drift in the Western Ross Sea, Antarctica, at High and Low Spatial Resolution

2020· article· en· W3023352153 sur OpenAlexaffabout
Usama Farooq, Wolfgang Rack, Adrian McDonald, Stephen Howell

Notice bibliographique

RevueRemote Sensing · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésSea iceGeologyGeodesyClimatologySynthetic aperture radarRemote sensingSatelliteSea ice concentrationArctic ice packImage resolutionSea ice thicknessMeteorologyGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

The Ross Sea region, including three main polynya areas in McMurdo Sound, Terra Nova Bay, and in front of the Ross Ice Shelf, has experienced a significant increase in sea ice extent in the first four decades of satellite observations. Here, we use Co-Registration of Optically Sensed Images and Correlation (COSI-Corr) to estimate 894 high-resolution sea ice motion fields of the Western Ross Sea in order to explore ice-atmosphere interactions based on sequential high-resolution Advanced Synthetic Aperture Radar (ASAR) images from the Envisat satellite acquired between 2002–2012. Validation of output motion vectors with manually drawn vectors for 24 image pairs show Pearson correlation coefficients of 0.92 ± 0.09 with a mean deviation in direction of −3.17 ± 6.48 degrees. The high-resolution vectors were also validated against the Environment and Climate Change Canada sea ice motion tracking algorithm, resulting in correlation coefficients of 0.84 ± 0.20 and the mean deviation in the direction of −0.04 ± 17.39 degrees. A total of 480 one-day separated velocity vector fields have been compared to an available NSIDC low-resolution sea ice motion vector product, showing much lower correlations and high directional differences. The high-resolution product is able to better identify short-term and spatial variations, whereas the low-resolution product underestimates the actual sea ice velocities by 47% in this important near-coastal region. The large-scale pattern of sea ice drift over the full time period is similar in both products. Improved image coverage is still desired to capture drift variations shorter than 24 h.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,232
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetCryospheric studies and observationsTravaux en français237 207