A method to derive satellite PAR albedo time series over first-year sea ice in the Arctic Ocean
Notice bibliographique
Résumé
Deriving sea ice albedo from spaceborne platforms is of interest to model the propagation of the photosynthetically available radiation (PAR) through Arctic sea ice. We show here that use of the Moderate Resolution Imaging Spectroradiometer (MODIS) operational surface reflectance satellite product to derive albedo in the PAR spectral range is possible. To retrieve PAR albedo from the remote sensing surface reflectance, we trained a predictive model based on a principal component analysis with in situ and simulated data. The predictive model can be applied to first-year sea ice surfaces such as dry snow, melting snow, bare ice and melt ponds. Based on in situ measurements and the prescribed atmospheric correction uncertainty, the estimated PAR albedo had a mean absolute error of 0.057, a root mean square error of 0.074 and an R2 value of 0.91. As a demonstration, we retrieved PAR albedo on a 9-km2 area over late spring and early summer 2015 and 2016 at a coastal location in Baffin Bay, Canada. On-site measurements of PAR albedo, melt pond fraction and types of precipitation were used to examine the estimated PAR albedo time series. The results show a dynamic and realistic PAR albedo time series, although clouds remained the major obstacle to the method. This easy-to-implement model may be used for the partitioning of PAR in the Arctic Ocean and ultimately to better understand the dynamics of marine primary producers.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».