Simulation of Arctic snow microwave emission in surface-sensitive atmosphere channels
Notice bibliographique
Résumé
Abstract. Accurate simulations of snow emission in surface-sensitive microwave channels are needed to separate snow from atmospheric information essential for numerical weather prediction. Measurements from a field campaign in Trail Valley Creek, Inuvik, Canada, during March 2018 were used to evaluate the Snow Microwave Radiative Transfer (SMRT) model at 89 GHz and, for the first time, frequencies between 118 and 243 GHz. In situ data from 29 snow pits, including snow specific surface area, were used to calculate exponential correlation lengths to represent the snow microstructure and to initialize snowpacks for simulation with SMRT. Measured variability in snowpack properties was used to estimate uncertainty in the simulations. SMRT was coupled with the Atmospheric Radiative Transfer Simulator to account for the directionally dependent emission and attenuation of radiation by the atmosphere. This is a major developmental step needed for top-of-atmosphere simulations of microwave brightness temperature at atmosphere-sensitive frequencies with SMRT. Nadir-simulated brightness temperatures at 89, 118, 157, 183 and 243 GHz were compared with airborne measurements and with ground-based measurements at 89 GHz. Inclusion of anisotropic atmospheric radiance in SMRT had the greatest impact on brightness temperature simulations at 183 GHz and the least impact at 89 GHz. Medians of simulations compared well with medians of observations, with a root mean squared difference of 14 K across five frequencies and two flights (n=10). However, snow pit measurements did not capture the observed variability fully as simulations and airborne observations formed statistically different distributions. Topographical differences in simulated brightness temperature between sloped, valley and plateau areas diminished with increasing frequency as the penetration depth within the snow decreased and less emission from the underlying ground contributed to the airborne observations. Observed brightness temperature differences between flights were attributed to the deposition of a thin layer of very-low-density snow. This illustrates the need to account for both temporal and spatial variabilities in surface snow microstructure at these frequencies. Sensitivity to snow properties and the ability to reflect changes in observed brightness temperature across the frequency range for different landscapes, as demonstrated by SMRT, are necessary conditions for inclusion of atmospheric measurements at surface-sensitive frequencies in numerical weather prediction.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,000 |
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 tête enseignante, 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 ».