Towards improving radiometry-derived snow depths with SNOWPACK and SMRT
Notice bibliographique
Résumé
The depth of overlying snow on sea ice exerts a strong control on atmosphere-ocean heat and light flux and introduces major uncertainties in the remote sensing of sea ice thickness. Satellite-mounted microwave radiometers have enabled retrieval of snow depths over first year ice, but such retrievals are subject to a wide margin of error due to spatial variation in snow stratigraphy and roughness. Here we model the microwave signature of snow on sea ice using a recently released sea ice variant of the snowpack evolution model, SNOWPACK (Wever et al., 2020). By advecting parcels of sea ice using ice motion vectors and exposing them to the relevant atmospheric forcing using ERA5 reanalysis, we model the accumulation of snow and the development of snowpack stratigraphy. We then pass these modelled snowpacks to the Snow Microwave Radiative Transfer model (Picard et al., 2018) to estimate their microwave emission characteristics. By using relationships from the literature relating the ratios of the 37GHz and 19GHz channels, we calculate whether the traditional “gradient ratio” method (Markus and Cavalieri, 1998) over- or underestimates the depth of snow at a particular point based on our modelling. We then adjust the observed gradient ratio based on the model results in an attempt to better characterise snow depths. References Wever, Nander, et al. "Version 1 of a sea ice module for the physics-based, detailed, multi-layer SNOWPACK model." Geoscientific Model Development 13.1 (2020): 99-119. Picard, Ghislain, Melody Sandells, and Henning Löwe. "SMRT: An active–passive microwave radiative transfer model for snow with multiple microstructure and scattering formulations (v1. 0)." Geoscientific Model Development 11.7 (2018): 2763-2788. Markus, Thorsten, and Donald J. Cavalieri. "Snow depth distribution over sea ice in the Southern Ocean from satellite passive microwave data." Antarctic sea ice: physical processes, interactions and variability 74 (1998): 19-39.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».