The influence of tree transmissivity variations in winter on satellite snow parameter observations
Notice bibliographique
Résumé
The ability to correct for the influence of forest cover is crucial for retrieval of surface geophysical parameters such as snow cover and soil properties from microwave remote sensing. Existing correction approaches to brightness temperatures for northern boreal forest regions consider forest transmissivity constant during wintertime. However, due to biophysical protection mechanisms, below freezing air temperatures freeze the water content of northern tree species only gradually. As a consequence, the permittivity of many northern tree species decreases with the decrease of air temperature under sub-zero temperature conditions. This results in a monotonic increase of the tree vegetation transmissivity, as the permittivity contrast to the surrounding air decreases. The influence of this tree temperature-transmissivity relationship on the performance of the frequency difference passive microwave snow retrieval algorithms has not been considered. Using ground-based observations and an analytical model simulation based on Mätzler’s approach (1994), the influence of the temperature-transmissivity relationship on the snow retrieval algorithms, based on the spectral difference of two microwave channels, is characterized. A simple approximation approach is then developed to successfully characterize this influence (the RMSE between the analytical model simulation and the approximation approach estimation is below 0.3 K). The approximation is applied to spaceborne observations, and demonstrates the capacity to reduce the influence of the forest temperature-transmissivity relationship on passive microwave frequency difference brightness temperature.
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 | 0,001 |
| 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 ».