Modelling SAR Backscatter from Lake Ice under Wet Conditions using the Snow Microwave Radiative Transfer (SMRT) model
Notice bibliographique
Résumé
Lake ice plays a critical role in local energy balances and provides crucial socio-economic services such as travel between communities and transportation of goods during winter months. However, over the past 40 years, the number of in situ observations has declined. Additionally, increasing temperatures lead to an increasing number of melt events throughout the season, resulting in the formation of more snow ice and slush layers. The increase in wet ice conditions poses a challenge in monitoring lake ice using active microwave technologies (e.g., synthetic aperture radar) and can be a risk to those who use ice cover as an essential travel route. This study focuses on Lake Oulujärvi in Finland during the 2020-2021 ice season. Using the snow microwave radiative transfer (SMRT) model, backscatter was modelled using observations of dry and wet conditions from the field. Snow density, snow depth, microstructure data, and ice thickness data collected during the field campaign helped parameterize the Snow Microwave Radiative Transfer (SMRT) model. Simulations under dry conditions showed that increasing roughness at the ice-water interface had the largest increase in backscatter. However, when the water content of the overlying snow layers increased, the roughness of the interface with the highest moisture content became the dominant interface impacting backscatter. Melt-freeze events throughout the ice season had a prolonged impact on backscatter resulting in increases of >3.69 dB. Larger increases in backscatter due to higher moisture were a result of larger dielectric contrasts created between overlying dry snow on slush layers. Improved understanding of the impact of wet conditions on backscatter can help to improve the monitoring of hazardous lake ice conditions and aid in the further development of inversion models for lake ice properties.
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 | 0,001 |
| 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 | 0,001 | 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 ».