Snow Density Retrieval in Quebec Using Space-Borne SMOS Observations
Notice bibliographique
Résumé
Snow density varies spatially, temporally, and vertically within the snowpack and is the key to converting snow depth to snow water equivalent. While previous studies have demonstrated the feasibility of retrieving snow density using a multiple-angle L-band radiometer in theory and in ground-based radiometer experiments, this technique has not yet been applied to satellites. In this study, the snow density was retrieved using the Soil Moisture Ocean Salinity (SMOS) satellite radiometer observations at 43 stations in Quebec, Canada. We used a one-layer snow radiative transfer model and added a τ-ω vegetation model over the snow to consider the forest influence. We developed an objective method to estimate the forest parameters (τ, ω) and soil roughness (SD) from SMOS measurements during the snow-free period and applied them to estimate snow density. Prior knowledge of soil permittivity was used in the entire process, which was calculated from the Global Land Data Assimilation System (GLDAS) soil simulations using a frozen soil dielectric model. Results showed that the retrieved snow density had an overall root-mean-squared error (RMSE) of 83 kg/m3 for all stations, with a mean bias of 9.4 kg/m3. The RMSE can be further reduced if an artificial tuning of three predetermined parameters (τ, ω, and SD) is allowed to reduce systematic biases at some stations. The remote sensing retrieved snow density outperforms the reanalysis snow density from GLDAS in terms of bias and temporal variation characteristics.
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 ».