AlpSAR 2012-13, a Field Experiment on Snow Observations and Parameter Retrievals with Ku- and X-Band Radar
Notice bibliographique
Résumé
In order to support the development of observation techniques and inversion algorithms for the retrieval of physical snow parameters from high frequency radar backscatter data, field campaigns have been performed in previous winters in Northern Finland, Canada and United States. In winter 2012-13 additional field campaigns take place in the Austrian Alps within the AlpSAR experiment. AlpSAR is aimed at enhancing the experimental data base on radar backscatter by covering different snow regimes and terrain types than in previous campaigns. A main objective of the campaign is the testing and validation of algorithms for retrieval of the water equivalent (SWE) of winter snow cover over different land cover types in Alpine regions. The activities are contributing to feasibility studies for the ESA Earth Explorer Candidate Mission CoReH2O (Cold Regions Hydrology High-resolution Observatory). The proposed satellite sensor is a dual frequency SAR, operating at 17.2 GHz and 9.6 GHz, VV and VH polarizations. In the AlpSAR experiment backscatter data are collected with an airborne polarimetric SAR sensor (SnowSAR) which operates at the same frequencies as the CoReH2O SAR. Field measurements are performed at three test sites in different elevation zones in order to cover various snow regimes: Leutasch at 1200 m elevation, where the land cover is dominated by meadows and coniferous forest, Rotmoostal at about 2200 m elevation in the Alpine tundra region, and Mittelbergferner, an Alpine glacier. Measurement campaigns are carried out on three different dates during the winter period: mid-November to catch the start of the snow season, January in mid-winter, and late February before the start of the melting period. In autumn 2012 automated measurement stations were deployed in the test sites to record snow, soil and atmospheric parameters. During the flight campaigns intensive snow measurements are performed, including the measurement of vertical profiles of snow parameters in a network of snow pits, GPR transects on snow depth and stratification, terrestrial laser scanner measurements, and UAV imaging. The data analysis deals with the evaluation of backscatter properties in dependence of snow parameters to validate backscatter forward models, and with the inversion of the SnowSAR backscatter images to derive and validate maps of snow water equivalent.
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 | 0,001 |
| 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 | 0,000 |
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 ».