Comment on egusphere-2025-693
Notice bibliographique
Résumé
Abstract. Sea ice concentration (SIC) is an essential parameter for understanding environmental change in the polar regions. Historically, SIC has been determined using satellite passive microwave (PMV) radiometry, and this has revealed a progressive decline in the extent of the ice cover in the Arctic since records began in 1979. At regional and local scale, classifications based on satellite radar and optical imagery are practical. Here, we use CryoSat-2 to derive a new SIC product in the Canadian Arctic (CA), a region that is vital for shipping, freshwater production, and multi-year ice transport but is frequently excluded from pan-Arctic sea ice satellite observations. The 300 m along-track sampling of CryoSat-2 allows the fine-scale distribution of sea ice to be resolved, and an empirical correction for the overestimation of leads and misclassification of floes allows SIC to be determined. In general, spatial and temporal variations in SIC determined from CryoSat-2 are in close agreement with those determined from PMV and synthetic aperture radar (SAR) imagery in ice charts. Across the CA region, the root mean square difference (RMSD) between SIC determined monthly from CryoSat-2 and PMV and weekly from ice charts are 8.4 and 10 %, respectively. A local comparison to SIC determined from 82 cloud-free Landsat 8 scenes acquired in the central CA shows an RMSD of 3.3 %. Our findings highlight the complementarity of SIC records determined from CryoSat-2 and their potential to expand our knowledge of ice conditions in the 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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,016 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,398 | 0,289 |
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 ».