Ku-, X- and C-Band Microwave Backscatter Indices from Saline Snow Covers on Arctic First-Year Sea Ice
Notice bibliographique
Résumé
In this study, we inter-compared observed Ku-, X- and C-band microwave backscatter from saline 14 cm, 8 cm, and 4 cm snow covers on smooth first-year sea ice. A Ku-, X- and C-band surface-borne polarimetric microwave scatterometer system was used to measure fully-polarimetric backscatter from the three snow covers, near-coincident with corresponding in situ snow thermophysical measurements. The study investigated differences in co-polarized backscatter observations from the scatterometer system for all three frequencies, modeled penetration depths, utilized co-pol ratios, and introduced dual-frequency ratios to discriminate dominant polarization-dependent frequencies from these snow covers. Results demonstrate that the measured co-polarized backscatter magnitude increased with decreasing snow thickness for all three frequencies, owing to stronger gradients in snow salinity within thinner snow covers. The innovative dual-frequency ratios suggest greater sensitivity of Ku-band microwaves to snow grain size as snow thickness increases and X-band microwaves to snow salinity changes as snow thickness decreases. C-band demonstrated minimal sensitivity to changes in snow salinities. Our results demonstrate the influence of salinity associated dielectric loss, throughout all layers of the three snow covers, as the governing factor affecting microwave backscatter and penetration from all three frequencies. Our “plot-scale” observations using co-polarized backscatter, co-pol ratios and dual-frequency ratios suggest the future potential to up-scale our multi-frequency approach to a “satellite-scale” approach, towards effective development of snow geophysical and thermodynamic retrieval algorithms on smooth 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 | 0,001 | 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 ».