Notice bibliographique
Résumé
Abstract. This study presents a long-term winter sea ice thickness proxy-product for the Canadian Arctic based on a Random Forest Regression model trained on CryoSat-2 observations that provides 25 years of sea ice thickness in the Beaufort Sea, Baffin Bay, and, for the first time, the Canadian Arctic Archipelago. An evaluation of the product with in-situ sea ice thickness measurements shows that the presented sea ice thickness proxy product correctly estimates the magnitudes of the ice thickness and accurately captures spatial and temporal variability. The product estimates sea ice thickness within 30 to 50 cm uncertainty. The sea ice thickness proxy-product shows that sea ice is thinning over most of the Canadian Arctic, with a mean trend of −1.4 cm/year in April (corresponding to 35 cm thinning over the 25-year record), but that trends vary locally. The Beaufort Sea and Baffin Bay show significant negative trends during all months, though with peaks in November (−3 cm/yr) and March (−1.8 cm/yr), respectively. The Arctic Ocean Periphery shows thinning above 2 cm/yr during all months but April, with a peak of −3.3 cm/yr in December. The Parry Channel, which is part of the Northwest Passage and relevant for shipping, shows weaker thinning trends, but with high yearly variability. The sea ice thickness proxy product gives, for the first time, the opportunity to study long-term trends and variability in sea ice thickness in the Canadian Arctic, including the narrow channels in the Canadian Arctic Archipelago.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,019 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,209 | 0,171 |
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 ».