MétaCan
Menu
Retour à la cohorte
Enregistrement W2115808251 · doi:10.5194/tc-10-1529-2016

Retrieval of the thickness of undeformed sea ice from simulated C-band compact polarimetric SAR images

2016· article· en· W2115808251 sur OpenAlexfundaboutno aff
Xi Zhang, Wolfgang Dierking, Jie Zhang, Junmin Meng, Haitao Lang

Notice bibliographique

Revue˜The œcryosphere · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesFisheries and Oceans CanadaCanadian Space AgencyNational Natural Science Foundation of ChinaEuropean Space Agency
Mots-clésPolarimetryGeologySynthetic aperture radarRemote sensingSea iceRadarSurface roughnessRoot mean squareCorrelation coefficientGeodesyOpticsMaterials scienceScatteringPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract. In this paper we introduce a parameter for the retrieval of the thickness of undeformed first-year sea ice that is specifically adapted to compact polarimetric (CP) synthetic aperture radar (SAR) images. The parameter is denoted as the "CP ratio". In model simulations we investigated the sensitivity of the CP ratio to the dielectric constant, ice thickness, ice surface roughness, and radar incidence angle. From the results of the simulations we deduced optimal sea ice conditions and radar incidence angles for the ice thickness retrieval. C-band SAR data acquired over the Labrador Sea in circular transmit and linear receive (CTLR) mode were generated from RADARSAT-2 quad-polarization images. In comparison with results from helicopter-borne measurements, we tested different empirical equations for the retrieval of ice thickness. An exponential fit between the CP ratio and ice thickness provides the most reliable results. Based on a validation using other compact polarimetric SAR images from the same region, we found a root mean square (rms) error of 8 cm and a maximum correlation coefficient of 0.94 for the retrieval procedure when applying it to level ice between 0.1 and 0.8 m thick.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,207
Écart entre enseignants0,198 · 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'étudeSimulation ou modélisation
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

Citations27
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue˜The œcryosphereMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207