An integrated multi-instrument methodology for studying marginal ice zone dynamics and wave-ice interactions
Notice bibliographique
Résumé
Wave-driven fragmentation is a key mechanism shaping the Marginal Ice Zone (MIZ). Capturing this process is therefore essential for improving sea ice models, which currently do not fully capture the complex interactions between the forcing imposed by waves and the nonlinear dynamics of the resulting sea ice breakup and deformation. To investigate these interactions, we introduce a comprehensive multi-instrument dataset from a field campaign in the MIZ of the St. Lawrence Estuary, Canada, designed to characterize wave propagation and mechanical properties of sea ice under natural forcing conditions. The dataset integrates synchronized measurements from geophone arrays, wave buoys, smartphones configured as motion sensors, and Unmanned Aerial Vehicles (UAVs), all collected during coordinated deployments across diverse ice types and sea states. Seismic data, recorded with geophone arrays, enable estimation of the ice thickness and elastic properties via active and passive wavefield analyzes. Concurrently, wave buoys and smartphones capture ocean wave characteristics including amplitude, wavelength, and attenuation near ice edges. UAV imagery is processed with advanced methods to detect vertical ice displacements with sub-centimetre sensitivity, allowing extraction of wave dispersion relations in different ice conditions. Preliminary analyzes demonstrate strong agreement between independent measurement methods, validating the dataset's quality. This multi-sensor approach offers unique opportunities to improve our understanding of wave-ice interactions, wave attenuation, and fracture dynamics in situ, thus offering a valuable resource for the sea ice and oceanographic research community to gain insight in wave-induced ice break-up mechanisms under natural conditions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».