MétaCan
Menu
← Retour à la cohorte
Enregistrement W4321489284 · doi:10.5194/egusphere-egu23-4770

Arctic sea ice type distribution from various microwave remote sensing products

2023· preprint· en· W4321489284 sur OpenAlexaff
Yufang Ye, Yanbing Luo, Mohammed Shokr, Signe Aaboe, Fanny Girard‐Ardhuin, Fengming Hui, Xiao Cheng, Zhuoqi Chen

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésChemistry

Résumé

récupéré en direct d'OpenAlex

Arctic sea ice type (SITY) variation is a sensitive indicator of climate change. This study analyzed eight daily SITY products from five retrieval approaches covering the winters of 1999–2019, including purely radiometer-based (C3S-SITY), scatterometer-based (KNMI-SITY and IFREMER-SITY) and combined ones (OSISAF-SITY and Zhang-SITY). These SITY products were inter-compared against a weekly sea ice age product (i.e. NSIDC-SIA) and evaluated with five Synthetic Aperture Radar images. The average Arctic multiyear ice (MYI) extent difference between the SITY products and NSIDC-SIA varies from -1.32×106 km2 to 0.49×106 km2 . Among all, KNMI-SITY and Zhang-SITY in the QSCAT period (2002-2009) agree best with NSIDC-SIA and perform the best, with smallest bias of -0.001×106 km2 in FYI extent and -0.02×106 km2 in MYI extent, respectively. In the ASCAT period (2007-2019), KNMI-SITY tends to overestimate MYI (especially in early winter), whereas Zhang-SITY and IFREMER-SITY tend to underestimate MYI. C3S-SITY performs well in some early winter cases however exhibits large temporal variabilities as OSISAF-SITY. Factors that could impact performances of the SITY products are analyzed and summarized: (1) Ku-band scatterometer generally performs better than C-band scatterometer on SITY discrimination, while the latter sometimes identifies first-year ice (FYI) more accurately, especially when surface scattering dominants the backscatter signature. (2) Simple combination of scatterometer and radiometer data is not always beneficial without further rules of priority. (3) The representativeness of training data and efficiency of classification are crucial for SITY classification. Spatial and temporal variation of characteristic training dataset should be well accounted in the SITY method. (4) Post-processing corrections play important roles and should be considered with caution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,222
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→