Fine resolution classification of new ice, young ice, and first-year ice based on feature selection from Gaofen-3 quad-polarization SAR
Notice bibliographique
Résumé
Sea ice in the high latitude is an indicator of climate change and has undergone dramatic changes because of recent global warming. Synthetic aperture radar (SAR) is a relatively practical tool for sea ice monitoring because of its low sensitivity to clouds, rain, and fog, as well as its capability for high-resolution earth observation in daylight or darkness. With the progression in SAR systems from single-pol to dual-pol, quad-pol and hybrid-pol, large numbers of parameters have been proposed for sea ice classification. Even though a large number of SAR characteristics have been used to classify sea ice, it remains unclear which parameters are the most effective for different regions and seasonal or environmental conditions. Meanwhile, classification studies for fine sea ice with high spatial resolution and many sub-types of sea ice, particularly in the case of rapidly changing first-year ice (FYI), which includes new ice (NI), young ice (YI), and FYI, are rather few. NI and YI have comparatively thinner thickness, and are often classified as FYI in these studies[1].A new method of sea ice classification based on feature selection from Gaofen-3 polarimetric SAR observations is proposed. The new approach classifies sea ice into four categories: open water, NI, YI, and FYI. Seventy parameters that have previously been applied to sea ice studies are re-examined for sea ice classification in the Okhotsk Sea near the melting point on 28 February 2020. The ‘separability index’ is used for the selection of optimal features for sea ice classification. Full polarization (σohh, SEi, Ks) and hybrid polarization parameters (σorl, CPSEi,ρrh-rv, αs) are determined as optimal. The selected parameters are used to classify NI, YI, and FYI using a SVM machine learning classifier; and classification results are validated by manually interpreted ice maps derived from Landsat-8 data. [1]Sea ice: types and forms - Canada.ca
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».