New Developments for Physically-based Falling Snow Retrievals over Land in Preparation for GPM
Notice bibliographique
Résumé
The NASA Global Precipitation Measurement mission (GPM) concept centers on deploying a Core spacecraft carrying a dual-frequency precipitation radar and a microwave radiometric imager with channels from 10 to 183 GHz to serve as a precipitation physics observatory and a calibration reference to unify a constellation of dedicated and operational passive microwave sensors. Because of the extended orbit of the Core (plus or minus 65 deg) and the enhanced dual frequency radar and high frequency radiometer, GPM will be able to sense falling snow precipitation and light rain over land. Accordingly, GPM has partnered with the Canadian CloudSat/CALIPSO Validation Project (C3VP) to obtain observations to provide one of several important ground-based validation data sets around which the falling snow models and retrieval algorithms can be further developed and tested. In this work we compare and correlate the long time series (Nov.'06 - March '07) measurements of precipitation rate from parsivels to the passive (89, 150, 183 plus or minus 1, plus or minus 3, plus or minus 7 GHz) observations of NOAA's AMSU-B radiometer. We separate the comparisons into categories of no precipitation, liquid rain and falling snow precipitation. We found that there are similar TBs (especially at 89 and 150 GHz) for cases with falling snow and for non-precipitating cases. The comparisons indicate that surface emissivity contributions to the satellite observed TB over land can add uncertainty in detecting and estimating falling snow. The newest results show that by computing brightness temperatures based on CARE radiosonde data and a rough estimate of surface emissivity show that the cloud ice scattering signal in the AMSU-B data is detected. That is the differences in computed TB and AMSU-B TB for precipitating and non-precipitating cases are unique such that the precipitating and non-precipitating cases can be identified. These results require that the radiosonde releases are within an hour of the AMSU-B data. Forest fraction, snow cover, and measured emissivities were combined to calculate the surface emissivities.
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 ».