MétaCan
Menu
Retour à la cohorte
Enregistrement W3154000445 · doi:10.1109/ieeeconf38699.2020.9389297

Modeling VHF Scatter from FY and MY Sea Ice Ridges

2020· article· en· W3154000445 sur OpenAlexaff
Pradeep Bobby, Eric W. Gill, Weimin Huang

Notice bibliographique

RevueGlobal Oceans 2020: Singapore – U.S. Gulf Coast · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésRidgeGeologySea iceScatteringRemote sensingRange (aeronautics)MeteorologyClimatologyGeographyAerospace engineeringOptics

Résumé

récupéré en direct d'OpenAlex

Declining sea ice conditions are often cited as an indicator of climate change, but limited information is available on sea ice ridges, which comprise up to 50% of ice volume in certain regions. Multi-year (MY) ridges are more hazardous barriers to navigation than first year (FY) ridges and they are more likely to survive the summer melt season, but little effort has been made to identify FY and MY ridges from remote sensing data. This paper describes an analytical method to model electromagnetic scattering from ridges around the VHF range (100-500 MHz) when ridges are modeled as a rough surface over stratified media. Models considering the macroscopic properties of FY and MY ridges relevant to VHF scatter are presented. Simulations show that FY and MY ridges have different scattering characteristics, making it possible to separate the two ice types. Future work will consider how variability in ice ridge characteristics and changes during the ice season affect the separability of FY and MY ridges based on their scattering characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 GPT0,205
Écart entre enseignants0,192 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Oceans 2020: Singapore – U.S. Gulf CoastMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207