Snow on Antarctic Sea Ice - McMurdo Sound 2022
Notice bibliographique
Résumé
Data of snow and sea ice in the McMurdo Sound, October-December 2022. The data was collected as part of the New Zealand Marsden Fund Research Grant 21-VUW-103 "Can Snow Change the Fate of Antarctic Sea Ice?" The dataset includes raw data of the manual snow and sea ice measurements from snow pits and ice cores (temperature, density, salinity, dO18), measurements of snow water equivalent (SWE), spatial information of snow height (MagnaProbe) and sea ice thickness (EM-31), AWS (air temperature, wind speed, wind direction, relative humidity, pressure), radiations stations (shortwave, longwave, thermal IR, spectral shortwave), differential GPS data (3 fixed stations on different sea ice thicknesses, + 1 rover station for georeferencing UAV measurements), SIMBA buoy temperature (+heated temperature) data (3 buoys during November, 1 buoy for 15 months), UAV data: RGB, thermal IR, broadband albedo, spectral albedo, Chlorophyll-a from ice cores (bottom 10 cm), NIR reflectivity data of snow at 850 nm, and 940 nm (snow surface, profile, ice surface), photographs (1. overview of field sites, 2. for Structure from Motion for surface roughness, 3. macrophotos of snow) surface impurity concentrations, microCT data of snow microstructure, Denoth probe (density) and InfraSnow (specific surface area - SSA). See the README file in each dataset for detailed information.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,005 |
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 ».