The role of cross-polarization in producing high-resolution pan-Arctic sea ice motion from the RADARSAT Constellation Mission over several years
Notice bibliographique
Résumé
We introduce a new pan-Arctic Environment and Climate Change Canada (ECCC) HIgh-Resolution sea Ice Tracking System (HIRITS) operating with the RADARSAT Constellation Mission (RCM) HH and HV synthetic aperture radar (SAR) images resampled at a resolution of 80 m. The spacing between neighbour output vectors was often around 1 km. When combining HH and HV, the resulting ice displacements (over 2 h to 3.5 days) derived for June 1, 2022 – May 31, 2025 were in an excellent agreement with International Arctic Buoy Programme data with the overall root-mean square error (RMSE) of 1.48 km, and correlation of 0.996 for the x and y components. Ice motion vectors provided by HV had consistently greater tracking cross-correlation coefficients (with the average value of 0.56) than those derived from HH (average value of 0.45), implying a higher confidence. The RCM HH + HV ice motion agreed well with the existing passive microwave products from the National Snow and Ice Data Center (NSIDC) and Ocean and Sea Ice Satellite Application Facility (OSI SAF) with RMSEs of 4.19 km/d and 5.03 km/d respectively. We introduced an aggregated sea ice motion pan-Arctic gridded product at 2 km resolution that combines individual RCM ice motion products (HH and HV) derived over 3- and 7-day rolling time windows. A greater number of vectors was derived from HV compared to HH across the pan-Arctic domain, except for the situations where the HV signal is low, such as over smooth land fast ice. The new RCM HH + HV products generated since mid-May 2022 will substantially benefit various applications that require sea ice motion at high spatial resolution including accurate computation of sea ice deformation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».