Estimation of sea ice parameters from sea ice model withassimilated ice concentration and SST
Notice bibliographique
Résumé
Abstract. A multi-category numerical sea ice model CICE along with data assimilation was used to derive sea ice parameters in the region of Baffin Bay and Labrador Sea. The assimilation of ice concentration was performed using the data derived from Advanced Microwave Scanning Radiometer (AMSR-E & AMSR2). The model uses a mixed layer slab ocean parametrization to compute the Sea Surface Temperature (SST) and thereby to compute the potential to freezing/melting of ice. The data from Advanced Very High Resolution radiometer (AVHRR) was used to assimilate SST. The modeled ice parameters including concentration, ice thickness, freeboard, ridge height, and keel were compared with parameters estimated form remote sensing data. The ice thickness estimated from the model was compared with the measurements derived from Soil Moisture Ocean Salinity – Microwave Imaging Radiometer using Aperture Synthesis (SMOS-MIRAS). The ice concentration, thickness and freeboard estimates from model assimilated with both ice concentration and SST were found to be within the uncertainty of the observation except during March. The model estimated draft was compared with the measurements from an upward looking sonar (ULS) deployed in the Labrador Sea (near Makkovik Bank). The difference between modeled draft and ULS measurements estimated from the model was found to be within 10 cm. The keel depth measurements from the ULS instruments were compared to the estimates from the model to retrieve a relationship between the ridge height and keel depth.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».