Multi-frequency SAR measurements to advance snow water equivalent algorithm development
Notice bibliographique
Résumé
Snow mass (commonly expressed as snow water equivalent – SWE) is the only component of the water cycle without a dedicated Earth Observation mission. A number of missions currently under development, however, will provide previously unachieved coverage and resolution at frequencies ideal for retrieving SWE. These missions include a Ku-band synthetic aperture radar (SAR) mission (presently named the ‘Terrestrial Snow Mass Mission’ – TSMM) under development in Canada, and two Copernicus Expansion Missions: the Radar Observing System for Europe at L-band (ROSE-L) and the Copernicus Imaging Microwave Radiometer (CIMR). Airborne measurements are required to support SWE algorithm development for all three of these missions. In this presentation, we will present analysis of measurements from the ‘CryoSAR’ instrument, an InSAR capable L- (1.3 GHz) and Ku-band (13.5 GHz) SAR installed on a Cessna-208 aircraft.A time series of CryoSAR measurements were acquired over open, forested, and lake sites in central Ontario, Canada during the 2022/23 winter season. These measurements were used to evaluate a new computationally efficient SWE retrieval technique based on the use of physical snow model simulations to initialize snow microstructure information in forward model simulations for prediction of snow volume scattering at Ku-band. A primary challenge is the treatment of different layers within the snowpack. We show that a k-means classifier based on snow layer properties can effectively reduce a complex snowpack to three ‘radar-relevant’ layers which conserve SWE but simplify calculation of the snow volume radar extinction coefficient. Estimation of the background contribution is based on soil information derived from lower frequency radar measurements (X-, C-, and L-band). Our collective analysis of satellite and airborne radar observations, snow physical modeling, and SWE retrievals is facilitated by the recently developed TSMM simulator, which incorporates outputs from the Environment and Climate Change Canada land surface prediction system to produce synthetic dual-frequency (13.5 and 17.25 GHz) Ku-band radar data products.The acquisition of multi-frequency airborne radar measurements from the CryoSAR, and the integration of these observation into the TSMM simulator, provides a fundamental new capability to provide pre-cursor datasets to advance SWE algorithms in preparation for upcoming missions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».