Combined retrieval of Arctic liquid water cloud and surface snow properties using airborne spectral solar remote sensing
Notice bibliographique
Résumé
Abstract. In the Arctic, the passive solar remote sensing of cloud properties over highly reflecting ground is challenging due to the low contrast between the clouds and underlying surfaces (sea ice and snow). Uncertainties in retrieved cloud optical thickness τ and cloud droplet effective radius reff,C may arise from uncertainties in the assumed spectral surface albedo, which is mainly determined by the commonly unknown snow effective grain size reff,S. Therefore, in a first step this snow grain size effect is quantified systematically for a conventional bi-spectral retrieval of τ and reff,C for liquid water clouds. The largest impact of reff,S of up to 83 % on τ and 62 % on reff,C was found in case of small reff,S and optically thin clouds. In the second part of the paper a retrieval method is presented that simultaneously retrieves all three parameters (τ, reff,C, reff,S) in order to account for changes of the snow grain size in the cloud retrieval algorithm. Spectral cloud reflectivities at the three wavelength λ1 = 1040 nm (sensitive to reff,S), λ2 = 1650 nm (sensitive to τ), and λ3 = 2100 nm (sensitive to reff,C) were normalized to reflectivity ratios and combined in a tri-spectral retrieval algorithm. Measurements collected by the Spectral Modular Airborne Radiation measurement sysTem (SMART-Albedometer) during the research campaign Vertical Distribution of Ice in Arctic Mixed-Phase Clouds (VERDI, April/May 2012) were used to test the retrieval procedure. Two cases of observations above the Canadian Beaufort Sea, one with dense snow-covered sea ice and another with a distinct sea ice edge were analyzed. The retrieved values of τ, reff,C, and reff,S consistently represented the cloud properties across this transition from snow-covered sea ice to the open water and were comparable to estimates based on satellite data. Analysis showed, that the uncertainties of the tri-spectral retrieval increase for high τ, and low reff,S, but nevertheless allows a simultaneous retrieval of cloud and surface snow properties providing snow effective grain size estimates in cloud-covered areas.
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) | 0,001 | 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 ».