RADARSAT-2 Polarimetric Radar Imaging for Lake Ice Mapping
Notice bibliographique
Résumé
Changes in lake ice dates and duration are useful indicators for assessing long-term climate trends and variability in northern countries. Lake ice cover observations are also a valuable data source for predictions with numerical ice and weather forecasting models. In recent years, satellite remote sensing has assumed a greater role in providing observations of lake ice cover extent for both modeling and climate monitoring purposes. Polarimetric radar imaging has become a promising tool for lake ice mapping at high latitudes where cloud cover and polar darkness severely limit observations from optical sensors. In this study, we assessed and characterized the physical scattering mechanisms of lake ice from fully polarimetric RADARSAT-2 datasets obtained over Great Bear Lake, Canada, with the intent of classifying open water and ice cover during the freeze-up and break-up periods. Model-based and eigen-based decompositions were employed to construct the coherency matrix into deterministic scattering mechanisms, and secondary physical parameters were generated following the polarimetric decompositions. This study presents an application of the Markov Random Field by introducing radar signals and polarimetric parameters as features. These features were labeled using the entropy-alpha Wishart classifier. We show that the selected polarimetric parameters can help with interpretation of radar-ice/water interactions and can be used successfully for water-ice segmentation. As more satellite SAR sensors are being launched or planned, such as the Sentinel-1a/b series and the upcoming RADARSAT Constellation Mission, the rapid volume growth of data and their analysis require the development of robust automated algorithms. The approach developed in this study was therefore designed with the intent of moving towards fully automated mapping of lake ice for consideration by ice services.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 0,001 |
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 ».