The implications of selected processing methods on satellite altimetry derived sea ice thickness state and trends in the seasonal ice zone
Notice bibliographique
Résumé
The ice cover of the Arctic Ocean is increasingly becoming dominated by seasonal sea ice. It is important to focus on the processing of altimetry ice thickness data in thinner seasonal ice regions to understand seasonal sea ice behaviour better. This study focusses on Baffin Bay as a region of interest to study seasonal ice behaviour. We aim to reconcile the spring sea ice thickness derived from multiple satellite altimetry sensors and sea ice charts in Baffin Bay and produce a robust long-term record (2003-2020) for analysing trends in sea ice thickness. We investigate the impact of choosing different snow depth products (the Warren climatology, a passive microwave snow depth product and modelled snow depth from reanalysis data) and snow redistribution methods (a sigmoidal function and an empirical piecewise function) to retrieve sea ice thickness from satellite altimetry sea ice freeboard data. The choice of snow depth product and redistribution method results in an uncertainty envelope around the March mean sea ice thickness in Baffin Bay of 10%. Moreover, the sea ice thickness trend ranges from -15 cm/dec to 20 cm/dec depending on the applied snow depth product and redistribution method. Previous studies have shown a possible long-term asymmetrical trend in sea ice thinning in Baffin Bay. The present study shows that whether a significant long-term asymmetrical trend was found depends on the choice of snow depth product and redistribution method. The satellite altimetry sea ice thickness results with different snow depth products and snow redistribution methods show that different processing techniques can lead to different results and can influence conclusions on total and spatial sea ice thickness trends. Further processing work on the historic radar altimetry record is needed to create reliable sea ice thickness products in the marginal ice zone.
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 | 0,015 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».