Improving the Estimation of Water Level over Freshwater Ice Cover using Altimetry Satellite Active and Passive Observations
Notice bibliographique
Résumé
Owing to its temporal resolution of 10-day and its polar orbit allowing several crossings over large lakes, the US National Aeronautics and Space Administration (NASA) and the French Centre National d’Etudes Spatiales (CNES) missions including Topex/Poseidon, Jason-1/2/3 demonstrated strong capabilities for the continuous and long-term monitoring (starting in 1992) of large and medium-sized water bodies. However, the presence of heterogeneous targets in the altimeter footprint, such as ice cover in boreal areas, remains a major issue to obtain estimates of water level over subarctic lakes of similar accuracy as over other inland water bodies using satellite altimetry (i.e., R ≥ 0.9 and RMSE ≤ 10 to 20 cm when compared to in-situ water stages). In this study, we aim to automatically identify the Jason-2 altimetry measurements corresponding to open water, ice and transition (water-ice) to improve the estimations of water level during freeze and thaw periods using only the point measurements of open water. Four Canadian lakes were selected to analyze active (waveform parameters) and passive (brightness temperature) microwave data acquired by the Jason-2 radar altimetry mission: Great Slave Lake, Lake Athabasca, Lake Winnipeg, and Lake of the Woods. To determine lake surface states, backscattering coefficient and peakiness at Ku-band derived from the radar altimeter waveform and brightness temperature at 18.7 and 37 GHz measured by the microwave radiometer contained in the geophysical data records (GDR) of Jason-2 were used in two different unsupervised classification techniques to define the thresholds of discrimination between open water and ice measurements. K-means technique provided better results than hierarchical clustering based upon silhouette criteria and the Calinski-Harabz index. Thresholds of discrimination between ice and water were validated with the Normalized Difference Snow Index (NDSI) snow cover products of the MODIS satellite. The use of open water threshold resulted in improved water level estimation compared to in situ water stages, especially in the presence of ice. For the four lakes, the Pearson coefficient (r) increased on average from about 0.8 without the use of the thresholds to more than 0.90. The unbiased RMSE were generally lower than 20 cm when the threshold of open water was used and more than 22 cm over smaller lakes, without using the thresholds.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».