INTER-COMPARISONS AMONG PASSIVE MICROWAVE SEA ICE CONCENTRATION PRODUCTS FROM FY-3D MWRI AND AMSR2
Notice bibliographique
Résumé
Abstract. Passive microwave (PM) sensors on satellite can monitor sea ice distribution with their strengths of daylight- and weather-independent observations. Microwave Radiation Imager (MWRI) sensor aboard on the Chinese FengYun-3D (FY-3D) satellites was launched in 2017 and provides continuous observation for Arctic sea ice since then. In this study, sea ice concentration (SIC) product is derived from brightness temperature (TB) data of MWRI, based on an Arctic Radiation and Turbulence Interaction Study Sea Ice (ASI) dynamic tie points algorithm. Our product is inter-compared with a published MWRI SIC product by the Enhanced NASA Team (NT2) algorithm, and three Advanced Microwave Scanning Radiometer 2 (AMSR2) SIC products by the ASI, Bootstrap (BST) and NT2 algorithm. Results show that MWRI SIC are generally higher than AMSR2 SIC and the median of monthly SIC differences are larger in summer. Regional analysis indicates that the smaller differences between AMSR2 SIC and MWRI-ASI SIC occur in the higher SIC areas, and the biases are within ±5% in the Beaufort Sea, Chukchi Sea, East Siberian Sea, Canadian Archipelago Sea and Central Arctic Sea. There is the smallest SIC difference in the Central Arctic Sea with the biases of −0.77%, −0.60%, and 0.19% for AMSR2-ASI, AMSR2-BST and AMSR2-NT2, respectively. The trends of MWRI and AMSR2 sea ice extent and sea ice area are consistent with correlation coefficients all greater than 0.997. Besides, mean SIC, sea ice extent and sea ice area of MWRI-ASI are closer to those of AMSR2 than those of MWRI-NT2.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».