MétaCan
Menu
Retour à la cohorte
Enregistrement W2130115339 · doi:10.3189/172756411795931750

An intercomparison between AMSR-E snow-depth and satellite C- and Ku-band radar backscatter data for Antarctic sea ice

2011· article· en· W2130115339 sur OpenAlexaff
Stefan Kern, Burcu Özsoy, Sascha Willmes, Marcel Nicolaus, Christian Haas, Stephen F. Ackley

Notice bibliographique

RevueAnnals of Glaciology · 2011
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesEuropean Space AgencyUniversity of Texas at San AntonioDeutsche ForschungsgemeinschaftNational Aeronautics and Space AdministrationNational Science Foundation
Mots-clésSnowGeologyBackscatter (email)Sea iceRadarSatelliteSea ice thicknessSnow lineCryosphereClimatologyRemote sensingGeomorphologySnow cover

Résumé

récupéré en direct d'OpenAlex

Abstract Advanced Microwave Scanning Radiometer (AMSR-E) snow-depth data for Antarctic sea ice are compared with ship-based visual observations of snow depth, ice type and ridged-ice fraction, and with satellite C-band and Ku-band radar backscatter observations for two ship cruises into the Weddell Sea (ISPOL 2004–05,WWOS 2006) and one cruise into the Bellingshausen Sea (SIMBA 2007) during late winter/spring. Most (>75%) AMSR-E and ship-based snow-depth observations agree within 0.2 m during WWOS and SIMBA. Remaining observations indicate substantial underestimations of snow depths by AMSR-E data. These underestimations tend to increase with the ridged-ice fraction for WWOS and SIMBA. In areas with large snow depths, a combination of relatively stable low C-band radar backscatter and variable Ku-band radar backscatter is associated with undeformed first-year ice and may indicate snow metamorphism at this time of year during SIMBA. In areas with small snow depths, a combination of relatively stable low Ku-band radar backscatter, high C-band radar backscatter and low C-band radar backscatter standard deviations is associated with rough first-year ice during SIMBA. This information can help to better understand causes of the observed AMSR-E snow-depth bias during late-winter/spring conditions with decreasing average snow depth and to delineate areas where this bias occurs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,145
Tête enseignante GPT0,324
Écart entre enseignants0,179 · 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 tête enseignante, 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

Citations30
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of GlaciologyMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207