Snow water equivalent change mapping from slope-correlated synthetic aperture radar interferometry (InSAR) phase variations
Notice bibliographique
Résumé
Area-based measurements of snow water equivalent (SWE) are important for understanding earth system processes such as glacier mass balance, winter hydrological storage in drainage basins, and ground thermal regimes. Remote sensing techniques are ideally suited for wide-scale area-based mapping with the most commonly used technique to measure SWE being passive microwave, which is limited to coarse spatial resolutions of 25 km or greater and to areas without significant topographic variation. Passive microwave also has a negative bias for large SWE. Another method is repeat-pass synthetic aperture radar interferometry (InSAR) that allows measurement of SWE change at much higher spatial resolution. However, it has not been widely adopted because (1) the phase unwrapping problem has not been robustly addressed, especially for interferograms with poor coherence, and (2) SWE change maps scaled directly from repeat-pass interferograms are not an absolute measurement but contain unknown offsets for each contiguous coherent area. We develop and test a novel method for repeat-pass InSAR-based dry-snow SWE estimation that exploits the sensitivity of the dry-snow refraction-induced InSAR phase to topographic variations. The method robustly estimates absolute SWE change at spatial resolutions of < 1 km without the need for phase unwrapping. We derive a quantitative signal model for this new SWE change estimator and identify the relevant sources of bias. The method is demonstrated using both simulated SWE distributions and a 9-year RADARSAT-2 (C-band, 5.405 GHz) spotlight-mode dataset near Inuvik, Northwest Territories (NWT), Canada. SWE results are compared to in situ snow survey measurements and estimates from ERA5 reanalysis. Our method performs well in high-relief areas, thus providing complementary coverage to passive-microwave-based SWE estimation. Further, our method has the advantage of requiring only a single wavelength band and thus can utilize existing spaceborne synthetic aperture radar systems.
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 | 0,000 |
| 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 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 ».