Notice bibliographique
Résumé
Abstract A novel electronic sensing system (SAS2) was designed to non‐invasively and simultaneously measure snow density, liquid water content, and temperature of snow using acoustics and obtain images of the snowpack. The system is an updated and more sophisticated version of previous acoustic sensing systems, and this paper presents an update on the development of acoustic sensing methods to measure multiple snowpack properties and obtain images of snowpack stratigraphy. Air‐coupled acoustic waves were sent into and reflected from the snowpack by the SAS2 system. An inverse model based on a modified version of the Biot–Stoll theory of sound propagation through porous media was used to obtain acoustic measurements of snow and images of the snowpack. The SAS2 was deployed at ten field sites in the Canadian Rockies. Stationary and portable versions of the system were deployed and tested. This paper reports initial tests of the SAS2 that were conducted at the field sites to compare acoustic model outputs with gravimetric measurements of snow density, dielectric measurements of liquid water content, and thermocouple and thermometer measurements of snow temperature. Snow water equivalent could be estimated more accurately and quickly with the SAS2 than with an ESC30 gravimetric snow tube. Unlike monopulse sonar and radar sensors, the SAS2 utilizes a continuous‐wave Maximum Length Sequence (MLS) that is more robust to environmental noise. The SAS2 serves as a proof‐of‐concept of the acoustic snow measurement technique with potential for further research as identified and discussed in this paper. Copyright © 2015 John Wiley & Sons, Ltd.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».