MétaCan
Menu
Retour à la cohorte
Enregistrement W4401428733 · doi:10.5194/egusphere-2024-1583-rc2

Comment on egusphere-2024-1583

2024· peer-review· en· W4401428733 sur OpenAlexaffabout

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensUniversité de SherbrookeUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract. Sea ice thickness is essential for climate studies and numerical weather prediction. Radar altimetry has provided sea ice thickness measurement since the launch of ERS-1 and currently through CryoSat-2, Sentinel-3 and Altika but 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, modelling the scattering of the electromagnetic waves with the snowpack and ice is necessary to retrieve the sea ice thickness accurately. The Snow Microwave Radiative Transfer (SMRT) model was used to simulate the low resolution altimeter waveform echo from the snow-covered sea ice, using in-situ measurements as input. Measurement from four field campaigns were used: Cambridge Bay, Eureka Sound and near Alert, Nunavut, Canada in April 2022 in the cold and later winter condition when snow and ice thickness are neat their seasonal maxima prior to melt. In-situ measurements included snow 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 adjust sea ice roughness. The retrieved roughness (root-mean-square height) in Cambridge Bay was 2.1 mm and 1.6 mm in Eureka, which was close to the observed value of 1.4 mm for flat sea ice. In addition, simulations of backscatter in preparation for the European Space Agency's CRISTAL mission demonstrated the dominance of scattering from the snow surface at Ku and Ka-band. However, these findings depend on the parameterisation of the roughness. The scattering from the snow surface dominates when roughness is high, but the interface return dominates if the roughness is low ( < 2.5 mm). This is the first study to consider scattering within the snow and demonstrate the origin of CryoSat-2 signals. This work paved the way to a new 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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,931

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0140,007
Charge utile insuffisante (le modèle a refusé de juger)0,3470,262

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 Opus0,051
Tête enseignante GPT0,271
Écart entre enseignants0,220 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetGeophysics and Gravity MeasurementsTravaux en français237 207