River ice phenology and thickness from satellite altimetry: potential for ice bridge road operation and climate studies
Notice bibliographique
Résumé
Abstract. River ice is a key component of the cryosphere. Satellite monitoring of river ice is a rapidly developing area of scientific enquiry, which has wide-ranging implications for climate, environmental and socioeconomic applications. Spaceborne radar altimetry is widely used for monitoring river water regimes; however, its potential for the observation of river ice processes and properties has not been demonstrated yet. Using Ku-band backscatter measurements from the Jason-2 and Jason-3 satellite missions (2008–2019), we demonstrate the potential of radar altimetry for the retrieval of river ice phenology dates and ice thickness for the first time. The altimetric measurements were determined to be sensitive enough to detect the first appearance of ice and the beginning of thermal breakup on the lower Ob River (Western Siberia). The uncertainties in the retrieval of ice event timing were within the 10 d repeat cycle of Jason-2 and Jason-3 in 88 %–90 % of the cases analysed. The uncertainties in the river ice thickness retrievals made via empirical relations between the satellite backscatter measurements and in situ observations, expressed as the root mean square error (RMSE), were of 0.07–0.18 m. A novel application of radar altimetry is the prediction of ice bridge road operations, which is demonstrated herein. We established that the dates of ferry closing and ice road opening and closing in the city of Salekhard can be predicted with an accuracy (expressed as RMSE) of 3–5 d.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».