Winter Arctic sea ice thickness from ICESat-2: upgrades to freeboard and snow loading estimates and an assessment of the first three winters of data collection
Notice bibliographique
Résumé
NASA's ICESat-2 mission has provided near-continuous, high-resolution estimates of sea ice freeboard across both hemispheres since data collection started in October 2018. This study provides an impact assessment of upgrades to both the ICESat-2 freeboard data (ATL10) and NASA Eulerian Snow On Sea Ice Model (NESOSIM) snow loading on estimates of winter Arctic sea ice thickness. Misclassified leads were removed from the freeboard algorithm in the third release (rel003) of ATL10, which generally results in an increase in freeboards compared to rel002 data. The thickness increases due to increased freeboards in ATL10 improved comparisons of Inner Arctic Ocean sea ice thickness with thickness estimates from ESA's CryoSat-2. The upgrade from NESOSIM v1.0 to v1.1 results in only small changes in snow depth and density which have a less significant impact on thickness compared to the rel002 to rel003 ATL10 freeboard changes. The updated monthly gridded thickness data are validated against ice draft measurements obtained by upward-looking sonar moorings deployed in the Beaufort Sea, showing strong agreement ( r 2 of 0.87, differences of 11 ± 20 cm). The seasonal cycle in winter monthly mean Arctic sea ice thickness shows good agreement with various CryoSat-2 products (and a merged ICESat-2–CryoSat-2 product) and PIOMAS (Pan-Arctic Ice-Ocean Modeling and Assimilation System). Finally, changes in Arctic sea ice conditions over the past three winter seasons of data collection (November 2018–April 2021) are presented and discussed, including a 50 cm decline in multiyear ice thickness and negligible interannual differences in first-year ice. Interannual changes in snow depth provide a notable impact on the thickness retrievals on regional and seasonal scales. Our monthly gridded thickness analysis is provided online in a Jupyter Book format to increase transparency and user engagement with our ICESat-2 winter Arctic sea ice thickness data.
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 | 0,002 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».