Microwave Emission Observations from Artificial Thin Sea Ice: The Ice-Tank Experiment
Notice bibliographique
Résumé
Simulated sea ice was grown in an outdoor tank during the early winter seasons of 2001/2002 and 2005/2006. Microwave radiation was sampled every 5 min from the following three channels: 19, 37, and 85 GHz. Surface physical conditions were measured or observed to help in the interpretation of the radiometric behavior. This paper reports on results related to the following objectives: 1) linking the observed radiation to surface properties and processes; 2) classifying thin ice into emissivity-based surface types, and 3) assessing thin-ice parameter retrieval algorithms. This paper shows that ice of less than 4-cm thickness exhibits cycles of a sharp decrease of microwave emission caused by surface wetness followed by a gradual increase as the surface refreezes. This ice is particularly linked to meteorological conditions. Snow accumulation on relatively thick ice (> 20 cm) affects only the radiation from the 85-GHz channel. Thin-ice surfaces can be grouped into two radiometrically distinguished categories - the first includes slushy and wet surfaces and the second includes wet snow, dry snow, and dry bare-ice surfaces. Radiation from the second category is higher. The radiation from a refrozen slush surface appears to fall between these two categories. The variability of emissivity increases as the radiation frequency increases, particularly for the horizontal polarization channels. Existing algorithms of ice thickness, snow depth, and ice concentration were examined against the current data to study their sensitivity to variations of surface conditions. Limitations on their applications have been established.
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 | 0,002 | 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 ».