MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399320112 · doi:10.5194/egusphere-2024-1583

Altimetric Ku-band Radar Observations of Snow on Sea Ice Simulated with SMRT

2024· preprint· en· W4399320112 sur OpenAlexaffabout
Julien Meloche, Melody Sandells, Henning Löwe, Nick Rutter, Richard Essery, Ghislain Picard, Randall K. Scharien, Alexandre Langlois, Matthias Jaggi, J. M. King, Peter Toose, Jérôme Bouffard, Alessandro Di Bella, Michele Scagliola

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversité de SherbrookeUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesEuropean Space Agency
Mots-clésSnowGeologyRadarSea iceMeteorologyRemote sensingGeodesyClimatologyGeographyGeomorphologyComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract. Radar altimetry provides sea ice thickness estimates for polar region. However, uncertainty in the scattering horizon used to retrieve sea ice thickness arises from interactions between the emitted signal and snow cover on the ice surface. Therefore, improving our knowledge on electromagnetic waves scattering with the snowpack and ice is necessary to retrieve sea ice thickness accurately. The Snow Microwave Radiative Transfer (SMRT) model was used to simulate the low-resolution altimeter waveform echo from snow-covered sea ice, using in-situ measurements as input. In-situ measurements from four field campaigns in three distinct Canadian Arctic regions includes temperature, salinity, density, specific surface area, microstructure from X-ray tomography and surface roughness measurements using structure from motion photogrammetry. Evaluation of SMRT in altimeter mode was performed against CryoSat-2 waveform data in pseudo-low-resolution mode. Simulated and observed waveforms showed good agreement, although it was necessary to optimize the snow and sea ice roughness. In addition, simulations of backscatter in low-resolution mode in preparation for the European Space Agency’s CRISTAL mission indicated that the dominant return comes from the ice surface at Ku-band and from the snow surface at Ka-band for smooth first-year ice. However, for rougher multi-year ice, the main scattering comes from the snow surface for both Ku and Ka-band. These findings depend on the parameterisation of the roughness. This work offers insight into the dominant surface return for Ku and Ka and paves the way towards a physical retracker using SMRT to retrieve snow depth and sea ice thickness for radar altimeter 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 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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,227
Écart entre enseignants0,202 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→