Arctic Sea Ice Type Classification by Combining CFOSCAT and AMSR‐2 Data
Notice bibliographique
Résumé
Abstract First‐year ice (FYI) and multi‐year ice (MYI) are the two most common ice types in the Arctic. In this article, the classification of FYI and MYI over the Arctic region in the winter of 2019/2020 and 2020/2021 is investigated by combining the data of the scatterometer on Chinese‐French Oceanography Satellite (CFOSCAT) and the Advanced Microwave Scanning Radiometer‐2 (AMSR‐2) based on the Tree Augmented Naive Bayes (TAN) classifier. The CFOSCAT/AMSR ice type classification results are validated by using Ocean and Sea Ice Satellite Application Facility (OSI SAF) sea ice type products, Canadian Ice Service ice charts, and synthetic‐aperture radar data. The results showed that the overall MYI extent change trend retrieved from CFOSCAT/AMSR was consistent with the OSI SAF product with a correlation coefficient of 0.89 for winter of 2019/2020 and 0.88 for 2020/2021. In addition, CFOSCAT/AMSR identified a slightly larger MYI extent than OSI SAF and the average deviation between them is 10.1% for 2019/2020 while 8.3% for 2020/2021. Besides, CFOSCAT/AMSR can identify more MYI pixels when the MYI concentration is relatively low in the Western Arctic region. We also used CFOSCAT data only to retrieve ice type and found that the active and passive microwave data fusion could capture more MYI pixels located near the boundary of MYI and FYI main body, and the introduction of AMSR‐2 data in ice type classification could reduce the error caused by the abnormal values of CFOSCAT parameters.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».