Validating snow surface radiative transfer models between 89 and 243GHz using airborne observations over Arctic tundra
Notice bibliographique
Résumé
Satellite microwave radiances in atmospheric sounding bands, such as the 183GHz water vapour band, are an important source of data for Numerical Weather Prediction. However, these observations are frequently discarded in polar regions as they are also sensitive to the surface, and there is large uncertainty in the background surface emissivity which depends on the microphysical properties of the snowpack. We evaluate simulations of brightness temperature and emissivity from the Snow Microwave Radiative Transfer (SMRT) model for Arctic tundra snow at frequencies between 89 and 243GHz to assess the potential of being able to assimilate observations at key sounding frequencies, such as 183GHz. In-situ measurements of the surface snowpack were collected for 36 snow pits in Trail Valley Creek, near Inuvik, Canada during the March 2018 Measurements of Arctic Cloud, Snow, and Sea Ice nearby the Marginal Ice Zone (MACSSIMIZE) campaign, a collaboration between the Met Office, Northumbria University, Edinburgh University and the Universite de Sherbrooke. These snowpack measurements provide realistic microphysical snow properties as input to SMRT. We present the evaluation of SMRT simulations against surface-based radiometer observations and airborne observations taken with the Microwave Airborne Radiometer Scanning System (MARSS) and International Submillimetre Airborne Radiometer (ISMAR) on the Facility for Airborne Atmospheric Measurements (FAAM) BAe 146 research aircraft.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».