MétaCan
Menu
Retour à la cohorte
Enregistrement W3155604346 · doi:10.1080/07038992.2021.1909466

Landfast Ice Mapping Using MODIS Clear-Sky Composites: Application for the Banks Island Coastline in Beaufort Sea and Comparison with Canadian Ice Service Data

2021· article· en· W3155604346 sur OpenAlexaffvenueabout
Alexander P. Trishchenko, Yi Luo

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésBeaufort seaSea iceBeaufort scaleOceanographySkyGeologyRemote sensingGeographyPhysical geographyClimatologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Landfast ice (LFI) is a prominent climatological feature in the Canadian Arctic. LFI is generally defined as immobile near-shore ice that remains fast along the coast and forms seaward from the land. It affects the coastline dynamics, is important for the near-shore ecosystems, wildlife, and human socio-economic activities. A method is proposed for mapping the LFI using time series of 10-day clear-sky composites derived at the Canada Center for Remote Sensing (CCRS) from the Moderate Resolution Imaging Spectroradiometer (MODIS) 250-m imagery. The delineation of coastal zone ice utilizes simultaneous analysis of the mean and standard deviation of MODIS monthly reflectance maps. The application of this method is demonstrated for a 20-year period (2000–2019) over the coastal zone of Banks Island in the Beaufort Sea. Detailed analyses have been conducted for three LFI parameters: (1) the total area (spatial extent) occupied by LFI; (2) the distance from the coast to the outer seaward LFI edge, and (3) the water depth at the outer seaward LFI edge. Comparison with the Canadian Ice Service (CIS) data demonstrates good agreement. The average correlation coefficients between CIS and CCRS time series in April-June, when the area reaches a maximum, are equal to 0.87–0.88. The mean differences (CIS-CCRS) are 344 km2 (5,464 km2 vs 5,120 km2) or 6.3% for the spatial extent; 1.3 km (17.6 km vs 16.3 km) or 7.4% for the distance; −2.7 m (−27.4 m vs −24.7 m) or 10% for the water depth. Because the CCRS method uses monthly statistics, it tends to exclude potentially more mobile continuous landfast ice zones than the CIS analysis which is based on data collected on a specific date. The long-term trends of the LFI seasonal cycle in our region of interest since 2000 have shown a tendency for an earlier break-up, later onset, and longer ice-free period; however, these trends are not statistically significant.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil0,379

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)0,0000,000

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 Opus0,034
Tête enseignante GPT0,235
Écart entre enseignants0,201 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207