Arctic Sea Ice Surface Temperature Retrieval from FengYun-3A MERSI-I Data
Notice bibliographique
Résumé
Arctic sea-ice surface temperature (IST) is an important environmental and climatic parameter. Currently, wide-swath sea-ice surface temperature products have a spatial resolution of approximately 1000 m. The Medium Resolution Spectral Imager (MERSI-I) offers a thermal infrared channel with a wide-swath width of 2900 km and a high spatial resolution of 250 m. In this study, we developed an applicable single-channel algorithm to retrieve ISTs from MERSI-I data. The algorithm accounts for the following challenges: (1) the wide range of incidence angle; (2) the unstable snow-covered ice surface; (3) the variation in atmospheric water vapor content; and (4) the unique spectral response function of MERSI-I. We reduced the impact of using a constant emissivity on the IST retrieval accuracy by simulating the directional emissivity. Different ice surface types were used in the simulation, and we recommend the sun crust type as the most suitable for IST retrieval. We estimated the real-time water vapor content using a band ratio method from the MERSI-I near-infrared data. The results show that the retrieved IST was lower than the buoy measurements, with a mean bias and root-mean-square error (RMSE) of −1.928 K and 2.616 K. The retrieved IST is higher than the IceBridge measurements, with a mean bias and RMSE of 1.056 K and 1.760 K. Compared with the original algorithm, the developed algorithm has higher accuracy and reliability. The sensitivity analysis shows that the atmospheric water vapor content with an error of 20% may lead to an IST retrieval error of less than 1.01 K.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».