Passive and active airborne microwave remote sensing of snow cover
Notice bibliographique
Résumé
The presence of snow cover affects the regional energy and water balance, thus having a significant impact on the global climate system. Temporal knowledge of the onset of snow melt and snow water equivalent (SWE) values are important variables in the prediction of flooding, as well as water resource applications such as reservoir management and agricultural activities. Microwave remote sensing techniques have been effective for monitoring snow pack parameters (snow extent, depth, water equivalent, wet/dry state). Coincident ground data, airborne polarimetric C-band (5.3 GHz) Synthetic Aperture Radar (SAR) and passive microwave radiometer data (19, 37 and 85 GHz) were collected on four dates (1 December 1997, 6 March 1998, 12 March 1998 and 9 March 1999) over two flight lines in Eastern Ontario, Canada. The multitemporal, multi-sensor data were analysed for changes in SAR polarimetric signatures and microwave brightness temperatures as a function of changing snow pack parameters. Results indicate that certain parameters such as linear polarizations and pedestal height are sensitive to changes in snow pack parameters, and respond differently to various snow conditions. SWE values derived from the passive microwave brightness temperatures compare well with ground measurements, with the exception of low snow volume and in the presence of significant ice layers.
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 | 0,000 |
| 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 ».