Surface-based Ku- and Ka-band polarimetric radar for sea ice studies
Notice bibliographique
Résumé
Abstract. To improve our understanding of how snow properties influence sea ice thickness retrievals from presently operational and upcoming satellite radar altimeter missions, as well as to investigate the potential for combining dual frequencies to simultaneously map snow depth and sea ice thickness, a new, surface-based, fully polarimetric Ku- and Ka-band radar (KuKa radar) was built and deployed during the 2019–2020 year-long MOSAiC international Arctic drift expedition. This instrument, built to operate both as an altimeter (stare mode) and as a scatterometer (scan mode), provided the first in situ Ku- and Ka-band dual-frequency radar observations from autumn freeze-up through midwinter and covering newly formed ice in leads and first-year and second-year ice floes. Data gathered in the altimeter mode will be used to investigate the potential for estimating snow depth as the difference between dominant radar scattering horizons in the Ka- and Ku-band data. In the scatterometer mode, the Ku- and Ka-band radars operated under a wide range of azimuth and incidence angles, continuously assessing changes in the polarimetric radar backscatter and derived polarimetric parameters, as snow properties varied under varying atmospheric conditions. These observations allow for characterizing radar backscatter responses to changes in atmospheric and surface geophysical conditions. In this paper, we describe the KuKa radar, illustrate examples of its data and demonstrate their potential for these investigations.
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 ».