MétaCan
Menu
Retour à la cohorte
Enregistrement W4417011317 · doi:10.1016/j.rse.2025.115175

The role of cross-polarization in producing high-resolution pan-Arctic sea ice motion from the RADARSAT Constellation Mission over several years

2025· article· en· W4417011317 sur OpenAlexaffabout
Alexander S. Komarov, Mathieu Plante, Jean-François Lemieux, Stephen Howell, Mike Brady

Notice bibliographique

RevueRemote Sensing of Environment · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésSea iceSynthetic aperture radarArctic ice packConstellationSnowSatelliteBuoySea ice concentrationArctic

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,199
Écart entre enseignants0,194 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRemote Sensing of EnvironmentMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207