First-year sea ice melt pond fraction estimation from dual-polarisation C-band SAR – Part 1: In situ observations
Notice bibliographique
Résumé
Abstract. Understanding the evolution of melt ponds on Arctic sea ice is important for climate model parameterisations, weather forecast models and process studies involving mass, energy and biogeochemical exchanges across the ocean–sea ice–atmosphere interface. A field campaign was conducted in a region of level first-year sea ice (FYI) in the central Canadian Arctic Archipelago (CAA), during the summer of 2012, to examine the potential for estimating melt pond fraction (fp) from satellite synthetic aperture radar (SAR). In this study, 5.5 GHz (C-band) dual co- (HH + VV – horizontal transmit and horizontal receive + vertical transmit and vertical receive) and cross-polarisation (HV + HH – horizontal transmit and vertical receive + horizontal transmit and horizontal receive) radar scatterometer measurements of melt-pond-covered FYI are combined with ice and pond properties to analyse the effects of in situ physical and morphological changes on backscatter parameters. Surface roughness statistics of ice and ponds are characterised and compared to the validity domains of the Bragg and integral equation model (IEM) scattering models. Experimental and model results are used to outline the potential and limitations of the co-polarisation ratio (VV / HH) for retrieving melt pond information, including fp, at large incidence angles (≥35°). Despite high variability in cross-polarisation ratio (HV / HH) magnitudes, increases at small incidence angles (<30°) are attributed to the formation of ice lids on ponds. Implications of the results for pond information retrievals from satellite C-, L- and P-band SARs are discussed.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».