MétaCan
Menu
← Retour à la cohorte
Enregistrement W2773515876 · doi:10.1109/igarss.2017.8126967

Multi-frequency microwave backscatter indices from saline snow covers on smooth first-year sea ice

2017· article· en· W2773515876 sur OpenAlexaff
Vishnu Nandan, Torsten Geldsetzer, Mallik Mahmud, John Yackel, M. Christopher Fuller, Jagvijay P. S. Gill, Saroat Ramjan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSnowScatterometerMicrowaveBackscatter (email)Environmental scienceRemote sensingAtmospheric sciencesKu bandMaterials scienceGeologyOpticsPhysicsOceanographyGeomorphologyWind speed

Résumé

récupéré en direct d'OpenAlex

This study inter-compares 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 surface-borne multi-frequency (Ku-, X- and C-bands) polarimetric microwave scatterometer system is used near-coincident with in situ snow geophysical measurements. The study investigated differences in scatterometer observations for all three frequencies, co-pol ratios, and introduced new dual-frequency ratios to discriminate dominant polarization-dependent frequencies from these snow covers. Preliminary results suggest that, thinnest 4 cm snow cover demonstrate greatest increase in microwave backscatter from all three frequencies, followed by backscatter from thicker 8 cm and 14 cm snow covers. Dual-frequency indices derived for all frequency and polarization combinations suggest greater sensitivity of Ku-band microwaves to snow grain microstructure with increasing snow thicknesses, X-band microwaves to changes in snow salinities with decreasing snow thicknesses. Our results indicate the effect of dielectric loss associated with high salinities throughout all layers of the three snow covers, as the dominant factor affecting microwave penetration and backscatter from all three frequencies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,228
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→