A 41-year (1979–2019) passive microwave derived lake ice phenology data record of the Northern Hemisphere
Notice bibliographique
Résumé
Abstract. Seasonal ice cover is one of the important attributes of lakes at middle and high latitude regions. The annual freeze-up and break-up dates and the durations of ice cover (i.e., lake ice phenology) are sensitive to the weather and climate, and hence can be used as an indicator of climate variability and change. The Calibrated Enhanced Resolution Brightness Temperature (CETB) dataset available from the National Snow and Ice Data Center (NSIDC) provides an alternate source of passive microwave brightness temperature (TB) measurements for the determination of lake ice phenology on a 3.125 km grid. This study used Scanning Multi-channel Microwave Radiometer (SMMR), Special Sensor Microwave Image (SSM/I) and Special Sensor Microwave Imager/Sounder (SSMIS) data from the CETB dataset to extract the ice phenology for 56 lakes across the Northern Hemisphere from 1979 to 2019. According to the differences in TB between lake ice and open water, a threshold algorithm based on the moving t test method was applied to determine the lake ice status for grids located at least 6.25 km away from the lake shore, and the ice phenology dates for each lake were then extracted. When ice phenology could be extracted from more than one satellite over overlapping periods, results from the satellite offering the largest number of observations were prioritized. The lake ice phenology results showed strong agreement with an existing product derived from Advanced Microwave Scanning Radiometer for EOS (AMSR-E) and Advanced Microwave Scanning Radiometer 2 (AMSR-2) data (2002 to 2015), with mean absolute errors of ice dates ranging from 2 to 4 days. Compared to near-shore in-situ observations, the lake ice results, while different in terms of spatial coverage, still showed overall consistencies. The produced lake ice record also displayed significant consistencies when compared to a historical record of annual maximum ice cover of the Laurentian Great Lakes of North America. From 1979 to 2019, the average complete freezing duration and ice cover duration for lakes forming a complete ice cover on an annual basis were 153 and 161 days, respectively. The lake ice phenology dataset – a new climate data record (CDR) – will provide valuable information to the user community about the changing ice cover of lakes in the last four decades. The dataset is available at https://www.pangaea.de/tok/c8fc0eab3d30777fc38979ad514217b6b7e86a65 (Cai et al., 2021).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 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 ».