Blowing Snow at McMurdo Station, Antarctica During the AWARE Field Campaign: Multi‐Instrument Observations of Blowing Snow
Notice bibliographique
Résumé
Abstract In polar regions, blowing snow (BLSN) can play a substantial role in regional thermodynamics and radiation properties. The extent of the impact depends upon the depth of the BLSN layer, a property that is difficult to measure and not well understood. The West Antarctic Radiation Experiment (AWARE) Field Campaign saw the deployment of a large suite of observational instruments to McMurdo Station, Antarctica, allowing for in‐depth investigation of BLSN. During the year of the campaign, BLSN occurred ∼7.4% of the time. In this study, additional remote sensing observations are used to supplement an existing ceilometer‐based BLSN characterization algorithm creating a multi‐instrument (MI) depth estimation algorithm to yield layer depths with more certainty. Backscatter coefficient and linear depolarization ratios from the micropulse and high spectral resolution lidar (HSRL) are incorporated along with color ratio derived from HSRL backscatter and Ka‐band radar reflectivity observations. This provided estimates of BLSN depth that were less impacted by noise/artifacts in any one set of observations. When applied to the data from AWARE, the MI algorithm yielded an average depth of 168.2 m with ∼60% of plumes less than 200 m in depth. Events occurring with precipitation saw the most value in the additional instruments, with the suite of observations allowing for more separation of BLSN particles from fallstreaks.
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 | 0,001 | 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 ».