Radar altimetry for classifying surface conditions of subarctic lakes during freezing and thawing periods
Notice bibliographique
Résumé
Ice cover on subarctic lakes is an important indicator of climate change at local- or regional scales. This study proposes a new approach for classifying altimetry data from Jason-2 and SARAL/Altika satellite missions to characterize surface states of subarctic lakes. It focuses on Great Slave Lake (Canada) during freeze-up and thaw periods. For the first time, parameters from altimetry waveforms were used in an unsupervised clustering to establish distinct clusters from waveforms observed from Jason-2 and SARAL/Altika during the freeze-up and the thaw period. Clusters are assigned to the different surface states (open water, pure ice and leads) based on a priori altimetry and radiometric information. The statistics of these clusters were then used to construct two trained models of supervised classification based upon KNN (K-nearest neighbour) and SVM (support vector machine). The SVM-based model yielded the best results (accuracy of 92% with Jason-2, and 98% with SARAL/Altika). It was used to classify all waveforms considered in the study from the nominal orbits of Jason-2 (2008–2016) and SARAL/Altika (2013–2016). Results were superimposed onto Moderate Resolution Imaging Spectroradiometer (MODIS) products for qualitative visual and semi-quantitative assessments.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».