Comment on egusphere-2025-3214
Notice bibliographique
Résumé
Abstract. Icebergs pose persistent hazards to maritime navigation and offshore operations. In Antarctica, grounded offshore icebergs may gradually melt, altering the local ocean stratification conditions. This in turn influences coastal ocean circulation, sea ice dynamics, and thermodynamics. Accurately identifying the spatiotemporal distribution of icebergs is essential for both maritime operations and oceanographic research. In this study, we developed an iceberg detection algorithm based on the Swin transformer model (IDAS-Transformer). The IDAS-Transformer, along with a support vector machine (SVM) and a residual network (ResNet18), was applied to four synthetic aperture radar (SAR) images acquired over Prydz Bay and the Ross Sea, which represented a landfast ice zone, a drift ice zone, and an open ocean. The coverage area of each image was 80 km × 80 km. Manual interpretation was employed to generate reference data for algorithmic evaluation purposes. The iceberg concentration, defined as the area occupied by icebergs per grid unit, along with the total number of icebergs and their average size, was introduced to provide a quantitative iceberg detection assessment. We found that the IDAS-Transformer performed well across various sea ice conditions, and a total of more than 800 icebergs were detected. Both the F1 scores and the kappa coefficients of the model exceeded 85 %. The total number of identified icebergs and their area presented mean biases of +4.13 % and +3.65 %, respectively. The IDAS-Transformer outperformed the other two tested algorithms. The sea ice concentration affects the iceberg detection process, with the main challenge being the separation of icebergs from similarly textured pack ice in complex ice-covered regions. Furthermore, distinguishing icebergs that are smaller than 160 m × 160 m among large ice floes remains difficult.
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 | 0,009 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,010 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,668 | 0,484 |
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 ».