Modelling the L-Band Snow-Covered Surface Emission in a Winter Canadian Prairie Environment
Notice bibliographique
Résumé
Detailed angular ground-based L-band brightness temperature (TB) measurements over snow covered frozen soil in a prairie environment were used to parameterize and evaluate an electromagnetic model, the Wave Approach for LOw-frequency MIcrowave emission in Snow (WALOMIS), for seasonal snow. WALOMIS, initially developed for Antarctic applications, was extended with a soil interface model. A Gaussian noise on snow layer thickness was implemented to account for natural variability and thus improve the TB simulations compared to observations. The model performance was compared with two radiative transfer models, the Dense Media Radiative Transfer-Multi Layer incoherent model (DMRT-ML) and a version of the Microwave Emission Model for Layered Snowpacks (MEMLS) adapted specifically for use at L-band in the original one-layer configuration (LS-MEMLS-1L). Angular radiometer measurements (30°, 40°, 50°, and 60°) were acquired at six snow pits. The root-mean-square error (RMSE) between simulated and measured TB at vertical and horizontal polarizations were similar for the three models, with overall RMSE between 7.2 and 10.5 K. However, WALOMIS and DMRT-ML were able to better reproduce the observed TB at higher incidence angles (50° and 60°) and at horizontal polarization. The similar results obtained between WALOMIS and DMRT-ML suggests that the interference phenomena are weak in the case of shallow seasonal snow despite the presence of visible layers with thicknesses smaller than the wavelength, and the radiative transfer model can thus be used to compute L-band brightness temperature.
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) | 0,000 | 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 ».