MétaCan
Menu
Retour à la cohorte
Enregistrement W2809632273 · doi:10.1109/tgrs.2018.2841343

Incidence Angle Dependence of HH-Polarized C- and L-Band Wintertime Backscatter Over Arctic Sea Ice

2018· article· en· W2809632273 sur OpenAlexafffund
Mallik Mahmud, Torsten Geldsetzer, Stephen Howell, John Yackel, Vishnu Nandan, Randall K. Scharien

Notice bibliographique

RevueIEEE Transactions on Geoscience and Remote Sensing · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensEnvironment and Climate Change CanadaUniversity of VictoriaUniversity of Calgary
Organismes subventionnairesJapan Aerospace Exploration AgencyNatural Sciences and Engineering Research Council of CanadaAlberta Innovates
Mots-clésSea iceBackscatter (email)Synthetic aperture radarRemote sensingArcticStandard deviationC bandL bandGeologyOpticsGeodesyAtmospheric sciencesPhysicsMathematicsClimatologyStatistics

Résumé

récupéré en direct d'OpenAlex

Synthetic aperture radar (SAR) incidence angle has a significant effect on the microwave backscatter from sea ice. This paper investigates the incidence angle dependence of C- and L-band HH-polarized microwave backscatter coefficient over Arctic first-year sea ice (FYI) and multiyear sea ice (MYI) in winter. Advanced Land Observation Satellite Phased Array type L-band SAR (L-band) and RADARSAT-2 (C-band) images are used to derive ice type-specific incidence angle dependencies calculated using linear regression models. For L-band, mean ice type-specific incidence angle dependencies for FYI and MYI are -0.21 and -0.30 dB/1°, respectively; and for C-band, they are -0.22 and -0.16 dB/1°, respectively. To validate our results, we calculated root-mean-square deviation (RMSD) by comparing the ice type-specific dependence from 2010 with individual dependencies from 2009 based on ice types and frequencies. The RMSD is found to be smaller than the standard deviation of ice type-specific dependencies for both frequencies. The RMSD values for the L-band incidence angle dependencies are 0.03 and 0.04 dB/1° for FYI and MYI, respectively. For C-band, the RMSD values for the FYI and MYI dependencies are 0.03 and 0.01 dB/1°, respectively. Subsequently, we demonstrate that after applying incidence angle normalization, the variability of C- and L-band SAR backscatter reduces and separability of ice types increase substantially.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,010
Tête enseignante GPT0,219
Écart entre enseignants0,209 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations77
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Geoscience and Remote SensingMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207