Modeling the marginal ice zone in a coupled wave-ice model: insights from RADARSAT and CryoSat-2-derived floe size
Bibliographic record
Abstract
La transition vers un couvert de glace saisonnier est un facteur qui motive le besoin d'une meilleure compréhension des processus physiques qui sont en jeu dans la zone de glace marginale (MIZ). Ceux-ci demeurent largement méconnus puisque peu d'observations sont disponibles pour valider les modèles de vague et de glace couplés. Dans cette étude, un modèle de glace (CICE) est couplé à un modèle de vague WAVEWATCHIII (WW3). Un tel modèle comprend une équation prognostique pour la distribution de taille des plaques de glaces (floes), une représentation de la fracture de la glace soumise aux forces de flexions induites par les vagues ainsi qu'un schéma d'atténuation des vagues par la banquise. Deux définitions sont utilisées pour quantifier l'étendue de la MIZ, soit un critère basé sur la distribution de taille des glaces (MIZ-FSD) ou sur la concentration de glace de mer (MIZ-SIC). Les résultats sont ensuite validés au diamètre moyen des floes dérivés des mesures de deux satellites: CryoSat-2 basé sur les segments de floes détectés par un altimètre et RADARSAT basé sur l'analyse d'images radar produite par le Service canadien des glaces (CIS). Les données montrent d'abord que l'étendue de la MIZ-FSD est surestimée par CryoSat-2 en comparaison avec les données du CIS en raison d'un déficit de détection dans l'intervalle des floes de petite taille (0-1 km), dans les régions à faible concentration et le long de la côte. Ensuite, l'étendue de la MIZ-FSD simulée est systématiquement plus grande que celle de la MIZ-SIC, car la fracture des vagues affecte toute la largeur de la MIZ-SIC, contrairement à ce qui est reporté dans les observations. Finalement, l'étude de la sensibilité du modèle à une variété de schémas d'atténuation des vagues montre qu'une forte atténuation dépendante de la taille des floes est nécessaire pour reproduire une MIZ-FSD plus réaliste, car une forte dissipation entraine une réduction de la fracture et une augmentation de la génération de gros floes dans la banquise. En conclusion, une meilleure représentation de la MIZ pourrait être obtenue par le développement d'un critère universel de fracture ainsi que par une représentation des processus affectant la distribution de taille des glaces couvrant toutes les échelles de taille
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".