Sea Ice Thickness Measurement Using Spaceborne GNSS-R: First Results With TechDemoSat-1 Data
Notice bibliographique
Résumé
In this article, an effective schematic is developed for estimating sea ice thickness (SIT) from the reflectivity (Γ) produced with TechDemoSat-1 (TDS-1) Global Navigation Satellite System-Reflectometry data. Here, Γ is formulated as the product of the propagation loss due to SIT and the reflection coefficient of underlying seawater. The effect of surface roughness on Γ is neglected when only considering signals of coherent reflection. In practice, Γ at the specular point is first generated using TDS-1 data. Afterwards, SIT is calculated from TDS-1 Γ based on the proposed reflectivity model, and verified with two sets of reference SIT data; one is obtained by the Soil Moisture Ocean Salinity (SMOS) satellite, and the other is the combined SMOS/Soil Moisture Active Passive (SMAP) measurements. This analysis is performed on the data with SIT less than 1m. Through comparison, good consistency between the derived TDS-1 SIT and the reference SIT is obtained, with a correlation coefficient (r) of 0.84 and a root-mean-square difference (RMSD) of 9.39 cm with SMOS, and an r of 0.67 and an RMSD of 9.49 cm with SMOS/SMAP, which demonstrates the applicability of the developed model and the utility of TDS-1 data for SIT estimation. In addition, this method is proved to be useful for improving existing sea ice detection accuracy.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».