Canadian Ice Island Drift, Deterioration and Detection database (CI2D3 database)
Notice bibliographique
Résumé
Ice islands are massive, tabular icebergs which calve from ice shelves and floating glacier tongues. The ability to identify, monitor and predict the drift and deterioration of these immense ice hazards is crucial for mitigating the associated risks to marine navigation and offshore infrastructure in their vicinity. A joint initiative between the Water and Ice Research Lab (Carleton University) and the Canadian Ice Service (Environment Canada) was established in 2014 to extract pertinent information from available satellite imagery and build a geospatial database for future drift and deterioration analyses, remote-sensing detection and modeling calibration and validation. Implementation of the Canadian Ice Island Drift, Deterioration and Detection database (CI2D3; wirl.carleton.ca/CI2D3) is well-underway, starting with the influx of ice islands through eastern Canadian waters after massive calving events at the Petermann Glacier in 2008 and 2010. Thousands of archived RADARSAT-1 and -2 (Canadian Space Agency/MacDonald Dettweiler and Associates) and Envisat (European Space Agency) synthetic aperture radar images are now being exploited to track ice islands until they are too small to delineate (~<0.25 km2). More than four thousand ice island polygons pertaining to the 2008 and 2010 events have so far been delineated in ArcGIS. The relationship between each ice island and its daughter fragments is captured to permit longitudinal studies.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,006 |
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 ».