A Dual-Threshold Algorithm for Ice-Covered Lake Water Level Retrieval Using Sentinel-3 SAR Altimetry Waveforms
Notice bibliographique
Résumé
Satellite altimetry has been proven to measure water levels in lakes and rivers effectively. The Sentinel-3A satellite is equipped with a dual-frequency synthetic aperture radar altimeter (SRAL), which allows for inland water levels to be measured with higher precision and improved spatial resolution. However, in regions at middle and high latitudes, where many lakes are covered by ice during the winter, the non-uniformity of the altimeter footprint can substantially impact the accuracy of water level estimates, resulting in abnormal readings when applying standard SRAL synthetic aperture radar (SAR) waveform retracking algorithms (retrackers). In this study, a modified method is proposed to determine the current surface type of lakes, analyzing changes in backscattering coefficients and brightness temperature. This method aligns with ground station observations and ensures consistent surface type classification. Additionally, a dual-threshold algorithm that addresses the limitations of the original bimodal algorithm by identifying multiple peaks without needing elevation correction is introduced. This innovative approach significantly enhances the precision of equivalent water level measurements for ice-covered lakes. The study retrieves and compares the water level data of nine North American lakes covered by ice from 2016-2019 using the dual-threshold and the SAMOSA-3 algorithm with in situ data. For Lake Athabasca, Cedar Lake, Great Slave Lake, Lake Winnipeg, and Lake Erie, the root mean square error (RMSE) of SAMOSA-3 is 39.58 cm, 46.18 cm, 45.75 cm, 42.64 cm, and 6.89 cm, respectively. However, the dual-threshold algorithm achieves an RMSE of 6.75 cm, 9.47 cm, 5.90 cm, 7.67 cm, and 5.01 cm, respectively, representing a decrease of 75%, 79%, 87%, 82%, and 27%, respectively, compared to SAMOSA-3. The dual-threshold algorithm can accurately estimate water levels in ice-covered lakes during winter. It offers a promising prospect for achieving long-term, continuous, and high-precision water level measurements for middle- and high-latitude lakes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».