Airborne Investigation of Quasi-Specular Ku-Band Radar Scattering for Satellite Altimetry Over Snow-Covered Arctic Sea Ice
Notice bibliographique
Résumé
Surface-based Ku-band radar altimetry investigations indicate the radar signal is typically backscattered from well above the snow-sea ice interface. However, this would induce a bias in satellite altimeter sea ice thickness retrievals not reflected by buoy validation. Our study presents a mechanism to potentially explain this paradox: probabilistic quasi-specular radar scattering from the snow-ice interface. We introduce the theory for this mechanism before identifying it in airborne Ku-band radar observations collected over landfast first year Arctic sea ice near Eureka, Canada, in spring 2016. Based on SAR data, this study area likely represents level first year sea ice across the Arctic. Radar backscatter from the snow and ice interfaces were estimated by co-aligning laser scanner and radar observations with <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">in situ</i> measurements. On average, 4-5 times more radar power was scattered from the snow-ice than the air-snow interface over first-year ice. However, return power varied by up to 20 dB between consecutive radar echoes, particularly from the snow-ice interface, depending on local slope and roughness. Measured laser-radar snow depths were more accurate when radar returns were specular, but there was no systematic bias between airborne and in situ snow depths. The probability and strength of quasi-specular returns depend on the measuring height above and slope distribution of sea ice, so these findings have implications for satellite altimetry snow depth and freeboard estimates. This mechanism could explain the apparent differences in Ku-band radar penetration into snow on sea ice when observed from the range of a surface-, airborne- or satellite-based sensor.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».