MétaCan
Menu
← Retour à la cohorte
Enregistrement W3125486680 · doi:10.5194/tc-2020-325

River ice phenology and thickness from satellite altimetry. Potential for icebridge road operation

2020· article· en· W3125486680 sur OpenAlexaff
Elena Zakharova, С. А. Агафонова, Claude Duguay, Н. Л. Фролова, Alexei Kouraev

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesRussian Academy of SciencesRussian Foundation for Basic Research
Mots-clésCryosphereGeologyClimatologyArctic ice packSatelliteSea ice thicknessEnvironmental sciencePhysical geographyRemote sensingSea iceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract. River ice is an important component of land cryosphere. Satellite monitoring of river ice is rapidly developing scientific area with an important outcome for many climate, environmental and socio-economic applications. Radar altimetry, now widely used for monitoring of river water regime, demonstrates a good potential for observation of river ice phenology and for an estimation of river ice thickness. Jason-2 and -3 Ku-band backscatter measurements are sensitive enough for detection of first appearance of the ice and of beginning of thermal ice degradation on the Lower Ob River (Western Siberia). Uncertainties of the altimetric ice events timing are less than 10 days for 88–90 % of cases. River ice thickness retrieved from altimetric measurements via empirical relations with in situ observations, has an accuracy (expressed as RMSE) varying from 0.07 to 0.18 m. We demonstrated that using satellite altimetry the dates of ice road opening at Salekhard city can be predicted quite accurately with 4 days delay. Uncertainties for the prediction of dates of the ice road closure are of 3 days with the delay varying from 4 days (for late melting start) to 22 days (for yearly melting start).

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,208
Écart entre enseignants0,194 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→