KuKa altimeter mode data gathered during MOSAiC: scattering from snow covered sea ice and snow depth determination using dual-frequency and polarimetric approaches
Notice bibliographique
Résumé
Retrieving the thickness of sea ice, and its snow cover, on long time- and length-scales is critical for studying climate. Satellite altimetry has provided estimations of sea ice thickness spanning nearly three decades, and more recently altimetry techniques have provided estimations of snow depth, using dual-band satellite altimetry data. These approaches are based on assumptions about the main scattering surfaces of the radiation. The dominant scattering surface is often assumed to be the snow/ice interface at Ku-band frequencies and the air/snow interface at Ka-band and laser frequencies. It has previously been shown that these assumptions do not always hold, but field data to investigate the dominant scattering surfaces and investigate how these relate to the physical snow and ice characteristics were spatially and temporally limited. The MOSAiC expedition provided a unique opportunity to gather data using a newly-developed Ku- and Ka-band radar 'KuKa' deployed over snow-covered sea ice, along with coincident field measurements of snow and ice properties. We present transect data gathered with the instrument looking at nadir to demonstrate how the scattering characteristics vary spatially and temporally in the Ku- and Ka-bands, and discuss implications for interpretation of dual-frequency satellite radar altimetry data. We compare KuKa data with field measurements to demonstrate snow depth retrieval using Ku- and Ka-band data.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 ».