MétaCan
Menu
Retour à la cohorte
Enregistrement W2087092429 · doi:10.3390/rs4072133

C-Band SAR Imagery for Snow-Cover Monitoring at Treeline, Churchill, Manitoba, Canada

2012· article· en· W2087092429 sur OpenAlexafffundabout
Frédérique C. Pivot

Notice bibliographique

RevueRemote Sensing · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensAthabasca University
Organismes subventionnairesUniversité Lille 1 - Sciences et TechnologiesUniversity of WaterlooChurchill Northern Studies CentreNatural Sciences and Engineering Research Council of CanadaMinistère de l'Enseignement Supérieur et de la RechercheUniversité Laval
Mots-clésSnowEcotoneBackscatter (email)Environmental scienceTundraRadarSnow coverSnow lineGround-penetrating radarGeologyPhysical geographyRemote sensingAtmospheric sciencesArcticGeomorphologyShrubGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

RADARSAT and ERS-2 data collected at multiple incidence angles are used to characterize the seasonal variations in the backscatter of snow-covered landscapes in the northern Hudson Bay Lowlands during the winters of 1997/98 and 1998/99. The study evaluates the usefulness of C-band SAR systems for retrieving the snow water equivalent under dry snow conditions in the forest–tundra ecotone. The backscatter values are compared against ground measurements at six sampling sites, which are taken to be representative of the land-cover types found in the region. The contribution of dry snow to the radar return is evident when frost penetrates the first 20 cm of soil. Only then does the backscatter respond positively to changes in snow water equivalent, at least in the open and forested areas near the coast, where 1-dB increases in backscatter for each approximate 5–10 mm of accumulated water equivalent are observed at 20–31° incidence angles. Further inland, the backscatter shows either no change or a negative change with snow accumulation, which suggests that the radar signal there is dominated by ground surface scattering (e.g., fen) when not attenuated by vegetation (e.g., forested and transition). With high-frequency ground-penetrating radar, we demonstrate the presence of a 10–20-cm layer of black ice underneath the snow cover, which causes the reduced radar returns (−15 dB and less) observed in the inland fen. A correlation between the backscattering and the snow water equivalent cannot be determined due to insufficient observations at similar incidence angles. To establish a relationship between the snow water equivalent and the backscatter, only images acquired with similar incidence angles should be used, and they must be corrected for both vegetation and ground effects.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,220
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetCryospheric studies and observationsTravaux en français237 207