Modeling and Measurement of C-Band Radar Backscatter From Snow-Covered First-Year Sea Ice
Notice bibliographique
Résumé
In this paper, we present model and measurement results for C-band HH and VV normalized radar cross-sections (NRCS) from winter snow-covered first-year sea ice with average snow thicknesses of 16, 4, and 3 cm. The brine content in snow pack was low in all three case studies, which is typical for cold winter conditions. We used the first-order approximation of the small perturbation theory accounting for surface scattering from the air-snow and snow-ice rough interfaces and continuously layered snow and sea ice. The experimental data were collected during the Circumpolar Flaw Lead system study in the winter of 2008 in the southern Beaufort Sea from the research icebreaker Amundsen. Good agreement between the model and experimental data were observed for all three case studies. The model results revealed that the scattering at the snow-ice rough interface is usually stronger than that at the air-snow interface. Furthermore, both model and experimental NRCS values (at VV and HH polarizations) were considerably higher for thin-snow cover compared with the thick-snow-cover case. We associate this effect with the lower attenuation of the propagated wave within the thin-snow pack in comparison to the thick-snow pack. We also demonstrated that different brine volume contents in snow with close thicknesses of 4 and 3 cm did not affect the backscattering coefficients at certain incidence angles and polarization. Our findings provide the physical basis for winter snow thickness retrieval and suggest that such retrievals may be possible from radar observations under particular scattering conditions.
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 ».