Estimating wind slab thickness in a Tundra snowpack using Ku-band scatterometer observations
Notice bibliographique
Résumé
Estimating snow water equivalent (SWE) in the northern high latitudesis important from climate, ecological and human perspectives since it enables us to track changes in spatiotemporal distribution of snow. The snow in much of this region is described as tundra, comprised of wind slab and depth hoar. Recent work in tundra environments has identified the potential of wind slab to limit radar sensitivity to SWE at 17.2 GHz, which has negative implications for SWE retrievals and demonstrates a need to constrain retrieval parameters. Radar measurements at 17.2 GHz were made in Trail Valley Creek using the University of Waterloo Scatterometer (UWScat), and combined with the Freeman-Durden polarimetric decomposition to address this need by introducing a novel relationship between wind slab thickness and double-bounce scattering, which can be used to constrain wind slab thickness. The relationship strengthens with path length through wind slab and was strong at incidence angles ≥ 46° and wind slab with thickness ≥ 19 cm. Wind slab thickness and SWE were estimated with an RMSE of 6.0 cm and 5.5 mm, respectively. This relationship is valid for use in tundra snow with depth hoar. More testing is recommended to determine the maximum detectable wind slab thickness.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».