Comment on tc-2021-83
Notice bibliographique
Résumé
Abstract. Four calving events of Petermann Glacier happened in 2008, 2010, 2011, and 2012, which resulted in the drift and deterioration of numerous ice islands, some reaching as far as offshore Newfoundland. The presence of these ice islands in the eastern Canadian Arctic increases the risk of interaction with offshore operations and shipping activities. This study uses the recently developed Canadian Ice Island Drift, Deterioration and Detection database to investigate the fracture events that these ice islands experienced, and it presents a probabilistic model for the conditional occurrence of such events by analyzing the atmospheric and oceanic conditions that drive the causes behind the ice island fracture events. Variables representing the atmospheric and oceanic conditions that the ice islands were subjected to are extracted from reanalysis datasets and then interpolated to evaluate their distributions for both fracture and non-fracture events. The probability of fracture event occurrence for different combinations of input variable conditions is quantified using Bayes' theorem. Out of the seven variables analyzed in this study, water temperature and ocean current speed are identified as the most and least important contributors, respectively, to the fracture events of the Petermann ice islands. It is also revealed that the ice island fracture probability increases to 75 % as the ice islands encounter extreme (very high) atmospheric and oceanic conditions. A validation scheme is presented using the cross-validation approach and Pareto principle, and an average error of 13 %–39 % is reported in the fracture probability estimations. The presented probabilistic model has a predictive capability for future fracture events of ice islands and could be of particular interest to offshore and marine ice and risk management in the eastern Canadian Arctic. Future research, however, is necessary for model training and testing to further validate this ice island fracture model.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,032 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,153 | 0,128 |
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 ».