Polarimetric Synthetic Aperture Radar Measurements of Snow Covered First-Year Sea Ice
Notice bibliographique
Résumé
This study examines the utility of fully polarimetric C-and SAR parameters and three-component scattering model to quantify the sensitivity of snow covered first-year sea ice (FYI) to radar incidence angles and surface air temperature (SAT) during the late winter transition. This three-component scattering model is based on surface, double-bounce and volume scattering contributed from various materials and surface properties. RADARSAT-2 C-band fully polarimetric synthetic aperture radar (POLSAR) data is utilized to quantify the sensitivity of thermodynamic effects (-8° C and -0.4° C ) of the polarimetric backscatter signature on mean snow cover thickness ranging from 8 cm to 36 cm with in-situ geophysical data from four different validation sites along with two different radar incidence angles 29° (steep) and 39° (shallow) to discriminate between snow-covered smooth, rough and deformed FYI. The result shows enhanced discrimination at shallower incidence angles compared to steeper ones in both 2-D and 3-D plots. The double-bounce scattering contribution is low for all FYI types at both incidence angles which are attributed to shallower incidence angle as microwave energy being in direct contact with a greater volume of higher dielectric brine coated, enlarged snow grains in the basal layer compared to the steeper incidence angles. The results also show that surface scattering dominates for all three FYI types at both incidence angles and decreases with increasing surface roughness and radar incidence angles whereas opposite results observed for volume scattering mechanisms. The results indicate that higher variation measured for thin snow class ~7 dB for both co- cross-polarization backscatters compared to thick snow class ~1 dB which corroborates with electro-thermodynamic theory.
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) | 0,003 | 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 ».