Multi-year and first-year ice from RCM for assimilation in ECCC ice type analysis system
Notice bibliographique
Résumé
Arctic sea ice type information is essential for various operational and scientific applications including the support of marine users and guiding ice thickness retrieval algorithms operating with SMOS and CryoSat-2 data for improved sea ice prediction. A sea ice type analysis system developed at Environment and Climate Change Canada’s (ECCC) generates pan-Arctic ice type analyses at 5 km resolution every 6 hours. The ice type analysis system assimilates ice type information provided by passive microwave (AMSR2, SSMIS) and scatterometer (ASCAT) data, but assimilation of these observations is not reliable in the areas near land and in the narrow channels of the Canadian Arctic Archipelago due to their low spatial resolution of ~20-50 km. Therefore, assimilation of high-resolution ice type observations from synthetic aperture radar (SAR) is highly desired.In this study, we extended our approach for automated detection of winter multi-year ice (MYI) and first-year ice (FYI) at 1.6 km scale from RADARSAT-2 to RCM data. To this end, we collected more than 2,000 RCM images and corresponding image analyses products that were manually generated by the Canadian Ice Service (CIS) ice experts for the period of time between July 1, 2020 and July 31, 2023. From these RCM images we extracted SAR information for more than 30,000 pure MYI and more than 619,000 pure FYI data samples under no melt conditions as identified by the CIS image analyses.We demonstrated that separability measures for MYI and FYI classes in the spaces of the two predictor parameters (HV/HH polarization ratio and standard deviation of HV signal) are consistent with those we previously observed for RADARSAT-2. Furthermore, we found that our RCM-based MYI/FYI detection approach allows us to classify 60% of the winter CIS ice data samples with the accuracy of 99.6%. Preliminary results of assimilating RCM-based MYI/FYI high-resolution retrievals in combination with passive microwave and scatterometer data in the ECCC ice type analysis system will be also presented.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».