MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392758080 · doi:10.5194/egusphere-egu24-12972

Towards Ice Sheet and Ice Shelf Meltwater Profile Retrieval from Copernicus Imaging Microwave Radiometer (CIMR)

2024· preprint· en· W4392758080 sur OpenAlexaff
Andreas Colliander, Alamgir Hossan, J. T. Harper, B. Vandecrux, Julie Z. Miller, Nicole‐Jeanne Schlegel, Shawn J. Marshall, Craig Donlon

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMeltwaterCopernicusIce sheetRadiometerIce shelfRemote sensingGeologyMicrowaveMicrowave radiometerMeteorologyOceanographyCryosphereEnvironmental scienceSea iceClimatologyGeographySnowGeomorphologyComputer scienceAstrobiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Successful adaptation and mitigation of rising sea level demands improved constraints on emerging ice sheet processes controlling the magnitude and rate of sea level change in a warming climate. Therefore, it is vital to enhance the confidence in quantitative assessments of present-day ice sheet mass balance arising from meltwater generation and refine the explicit treatment of meltwater refreezing in firn densification models to evaluate the time evolution of runoff/retention and surface elevation change. The European Space Agency's Copernicus Imaging Microwave Radiometer (CIMR), scheduled for launch in 2028, responds to this need by measuring the brightness temperature (TB) at 1.4, 6.9, 10.7, 18.7, and 36.5 GHz frequencies multiple times a day over polar regions without gaps at the poles. These measurements can resolve the stratification of the seasonal meltwater from the immediate surface to the deeper firn layers. Furthermore, the 1.4 GHz TB is sensitive to the amount of meltwater.We are developing retrieval algorithms using 1.4 GHz measurements from NASA Soil Moisture Active Passive (SMAP) and ESA Soil Moisture Ocean Salinity (SMOS) satellites and 6.9, 10.7, 18.7, and 36.5 GHz measurements from JAXA Advanced Microwave Scanning Radiometer – EOS (AMSR-E) and AMSR2 instruments on NASA Aqua and JAXA (Global Change Observation Mission – Water) GCOM-W satellites. In the algorithm development, we use ground measurements and coupled energy and mass balance models to test, calibrate, and validate the algorithm. The ground measurements include surface and subsurface measurements from PROMICE/GC-Net (Greenland) and other station and campaign data sets. The model suite includes locally calibrated and forced energy balance models and regionally forced models, such as the Ice Sheet System Model's Glacier Energy and Mass Balance module. The retrieved data product will provide twice-daily parameters such as meltwater amount, melt layer depth, and near-surface snow status (wet/dry) profile. It will also include seasonal parameters such as firn aquifer extent and evolution.The meltwater algorithm for the CIMR mission will eventually encompass two satellites capable of monitoring diurnal melt-freeze cycles and perennial firn aquifers for at least a 15-year mission period. CIMR will measure all frequencies simultaneously, which will eliminate the uncertainties related to different observation times of the current instrument combinations, increase the revisit time of the L-band observations, and improve the spatial resolution of the 6.9, 10.7, 18.9, and 36.5 GHz channels compared to what is currently available.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,231
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCryospheric studies and observations→Travaux en français237 207→