Notice bibliographique
Résumé
Abstract. This study presents a detailed theoretical assessment of the information content of polarimetric observations over snow scenes, using a global sensitivity analysis (GSA) method. Conventional sensitivity studies focus on varying a single parameter while keeping all other parameters fixed. In contrast, the GSA correctly addresses parameter covariance across the entire parameter space. The forward simulations exploit a vector radiative transfer model to obtain the Stokes vector emerging at the top of the atmosphere for different solar zenith angles, when the bottom boundary consists of a vertically resolved snowpack of non-spherical grains. The presence of light-absorbing impurities (LAIs), either embedded in the snow or aloft in the atmosphere above in the form of aerosols, is also considered. The results are presented for a set of wavelengths spanning the visible (VIS), near-infrared (NIR) and short-wave infrared (SWIR) region of the spectrum. The GSA correctly captures the expected, high sensitivity of the reflectance to LAIs in the VIS-NIR, and to grain size at different depths in the snowpack in the NIR-SWIR. When present in the snow or in the atmosphere, LAIs introduce correlated information on grain size in the VIS. Such sensitivity can be disentangled by including multi-spectral and multi-angle polarimetric measurements, leading to a better estimate of grain shape and ice crystal roughness, and in turn of the asymmetry parameter which is critical for the determination of albedo. Polarimetry in the SWIR also contains information on aerosol optical thickness while remaining essentially unaffected when the same impurities are embedded in the snow, so that it can effectively partition LAIs between the atmosphere and the surface (a notorious challenge for snow remote sensing based on measurements of total reflectance only) as prospected in a precursor study. The GSA results were used to select state parameters in retrievals performed on data simulated for plausible polar conditions and for multiple instrument configurations. Mono-angle measurements of total reflectance in the VIS-SWIR (akin to MODIS) resolve grain size in the top layer of the snowpack sufficiently well. The addition of multi-angle polarimetric observations in the VIS-NIR provides information on grain shape and microscale roughness, significantly decreasing the uncertainty in the derived impurity concentration and aerosol optical depth. The results encourage the development of new remote sensing algorithms that fully leverage multi-angle and polarimetric capabilities of modern remote sensors, like those onboard the upcoming PACE and 3MI spaceborne missions. The better characterization of surface and atmospheric parameters in snow-covered regions of the cryosphere ultimately benefits albedo estimates in climate models.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,017 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,425 | 0,335 |
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 ».