How does the spaceborne radar blind zone affect derived surface snowfall statistics in polar regions?
Notice bibliographique
Résumé
Abstract Global statistics of snowfall are currently only available from the CloudSat satellite. But CloudSat cannot provide observations of clouds and precipitation within the so‐called blind zone, which is caused by ground‐clutter contamination of the CloudSat radar and covers the last 1200 m above land/ice surface. In this study, the impact of the blind zone of CloudSat on derived snowfall statistics in polar regions is investigated by analyzing three 12 month data sets recorded by ground‐based Micro Rain Radar (MRR) at the Belgian Princess Elisabeth station in East Antarctica and at Ny‐Ålesund and Longyearbyen in Svalbard, Norway. MRR radar reflectivity profiles are investigated in respect to vertical variability in the frequency distribution, changes in the number of observed snow events, and impacts on total precipitation. Results show that the blind zone leads to reflectivity being underestimated by up to 1 dB, the number of events being altered by ±5% and the precipitation amount being underestimated by 9 to 11 percentage points. Besides investigating a blind zone of 1200 m, the impacts of a reduced blind zone of 600 m are also analyzed. This analysis will help in assessing future missions with a smaller blind zone. The reduced blind zone leads to improved representation of mean reflectivity but does not improve the bias in event numbers and precipitation amount.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».