A Case Study of Using a Multilayered Thermodynamical Snow Model for Radiance Assimilation
Notice bibliographique
Résumé
A microwave radiance assimilation (RA) scheme for the retrieval of snow physical state variables requires a snowpack physical model (SM) coupled to a radiative transfer model. In order to assimilate microwave brightness temperatures (Tbs) at horizontal polarization (h-pol), an SM capable of resolving melt-refreeze crusts is required. To date, it has not been shown whether an RA scheme is tractable with the large number of state variables present in such an SM or whether melt-refreeze crust densities can be estimated. In this paper, an RA scheme is presented using the CROCUS SM which is capable of resolving melt-refreeze crusts. We assimilated both vertical (v) and horizontal (h) Tbs at 18.7 and 36.5 GHz. We found that assimilating Tb at both h-pol and vertical polarization (v-pol) into CROCUS dramatically improved snow depth estimates, with a bias of 1.4 cm compared to -7.3 cm reported by previous studies. Assimilation of both h-pol and v-pol led to more accurate results than assimilation of v-pol alone. The snow water equivalent (SWE) bias of the RA scheme was 0.4 cm, while the bias of the SWE estimated by an empirical retrieval algorithm was -2.9 cm. Characterization of melt-refreeze crusts via an RA scheme is demonstrated here for the first time; the RA scheme correctly identified the location of melt-refreeze crusts observed in situ.
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 | 0,001 | 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 ».