A Snow Water Equivalent Retrieval Framework Coupling 1D Hydrology and Passive Microwave Radiative Transfer Models
Notice bibliographique
Résumé
The retrieval of continuous snow water equivalent (SWE) directly from passive microwave observations is hampered by ambiguity, which can potentially be mitigated by incorporating knowledge on snow hydrological processes. In this paper, we present a data assimilation (DA)-based SWE retrieval framework coupling the QCA-Mie scattering (DMRT-QMS) model (a dense medium radiative transfer (RT) microwave scattering model) and a one-dimensional column-based multiple-layer snow hydrology model. The snow hydrology model provides realistic estimates of the snowpack physical parameters required to drive the DMRT-QMS model. This paper devises a strategy to specify those internal parameters in the snow hydrology and RT models that lack observational records. The modeled snow depth is updated by assimilating brightness temperatures (Tbs) from the X, Ku, and Ka bands using an ensemble Kalman filter (EnKF). The updated snow depth is then used to predict the SWE. The proposed framework was tested using the European Space Agency’s Nordic Snow Radar Experiment (ESA NoSREx) dataset for a snow field experiment from 2009 to 2012 in Sodankylä, Finland. The achieved SWE retrieval root mean square error of 34.31 mm meets the requirements of NASA and ESA snow missions and is about 70% less than the open-loop SWE. In summary, this paper introduces a novel SWE retrieval framework that leverages the combined strengths of a snow hydrology model and a radiative transfer model. This approach ensures physically realistic retrievals of snow depth and SWE. We investigated the impact of various factors on the framework’s performance, including observation time intervals and combinations of microwave observation channels. Our results demonstrate that a one-week observation interval achieves acceptable retrieval accuracy. Furthermore, the use of multi-channel and multi-polarization Tbs is preferred for optimal SWE retrieval performance.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».