Interferometric swath processing of Cryosat data for glacial ice topography
Notice bibliographique
Résumé
Abstract. We have derived digital elevation models (DEMs) over the western part of the Devon Ice Cap in Nunavut, Canada, using "swath processing" of interferometric data collected by Cryosat between February 2011 and January 2012. With the standard ESA (European Space Agency) SARIn (synthetic aperture radar interferometry) level 2 (L2) data product, the interferometric mode is used to map the cross-track position and elevation of the "point-of-closest-approach" (POCA) in sloping glacial terrain. However, in this work we explore the extent to which the phase of the returns in the intermediate L1b product can also be used to map the heights of time-delayed footprints beyond the POCA. We show that there is a range of average cross-track slopes (~ 0.5 to ~ 2°) for which the returns will be dominated by those beneath the satellite in the main beam of the antenna so that the resulting interferometric phase allows mapping of heights in the delayed range window beyond the POCA. In this way a swath of elevation data is mapped, allowing the creation of DEMs from a sequence of L1b SARIn Cryosat data takes. Comparison of the Devon results with airborne scanning laser data showed a mean difference of order 1 m with a standard deviation of about 1 m. The limitations of swath processing, which generates almost 2 orders of magnitude more data than traditional radar altimetry, are explored through simulation, and the strengths and weaknesses of the technique 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».