Comparison of a coupled snow thermodynamic and radiative transfer model with in situ active microwave signatures of snow-covered smooth first-year sea ice
Notice bibliographique
Résumé
Abstract. Within the context of developing data inversion and assimilation techniques for C-band backscatter over sea ice, snow physical models may be used to drive backscatter models for comparison and optimization with satellite observations. Such modeling has the potential to enhance understanding of snow on sea-ice properties required for unambiguous interpretation of active microwave imagery. An end-to-end modeling suite is introduced, incorporating regional reanalysis data (NARR), a snow model (SNTHERM89.rev4), and a multilayer snow and ice active microwave backscatter model (MSIB). This modeling suite is assessed against measured snow on sea-ice geophysical properties and against measured active microwave backscatter. NARR data were input to the SNTHERM snow thermodynamic model in order to drive the MSIB model for comparison to detailed geophysical measurements and surface-based observations of C-band backscatter of snow on first-year sea ice. The NARR variables were correlated to available in situ measurements with the exception of long-wave incoming radiation and relative humidity, which impacted SNTHERM simulations of snow temperature. SNTHERM snow grain size and density were comparable to observations. The first assessment of the forward assimilation technique developed in this work required the application of in situ salinity profiles to one SNTHERM snow profile, which resulted in simulated backscatter close to that driven by in situ snow properties. In other test cases, the simulated backscatter remained 4–6 dB below observed for higher incidence angles and when compared to an average simulated backscatter of in situ end-member snow covers. Development of C-band inversion and assimilation schemes employing SNTHERM89.rev4 should consider sensitivity of the model to bias in incoming long-wave radiation, the effects of brine, and the inability of SNTHERM89.Rev4 to simulate water accumulation and refreezing at the bottom and mid-layers of the snowpack. These impact thermodynamic response, brine wicking and volume processes, snow dielectrics, and thus microwave backscatter from snow on first-year sea ice.
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 | 0,000 |
| 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 ».