How can global snowfall estimates be improved by ESA's proposed Earth Explorer 11 WIVERN mission?
Notice bibliographique
Résumé
Snowfall is an important indicator of climate change, affecting surface albedo, glaciers, sea ice, freshwater storage, cloud lifetime, and ecosystems. Accurate measurements of snowfall at high latitudes are particularly important for estimating the mass balance of ice sheets; however, snowfall is difficult to quantify from both in situ and remotely sensed measurements. Today, global snowfall products are mostly based on space-borne cloud radar observations such as CloudSat and now EarthCARE. However, these products suffer from systematic and random errors due to poor spatio-temporal sampling, the inability to observe snowfall near the surface due to ground clutter, and retrieval uncertainties due to insufficient information content of the observations. WIVERN (WInd VElocity Radar Nephoscope) is one of the two remaining ESA Earth Explorer 11 candidate missions, with the final selection in July 2025. It is equipped with a 94 GHz conical scanning polarimetric Doppler radar and a 94 GHz passive radiometer. The main objective of the mission is to measure global horizontal winds in clouds, but it will also quantify cloud water content and precipitation rate. Here we analyze WIVERN's potential to improve global snowfall products through the mission's unique design. Compared to CloudSat, WIVERN's 800 km swath provides 70 times better coverage including sampling closer to the poles and its 42 off-zenith angle significantly reduces the radar blind zone near the surface (especially over the ocean). In addition, WIVERN's radar includes polarimetric measurements and is accompanied by a radiometric mode, which can further improve the estimation of snowfall rates. Our results show that the WIVERN sampling strategy significantly reduces the uncertainty in polar snowfall estimates, making it a valuable product for climate model evaluation and as an input to surface mass balance models of the major ice sheets at the regional and seasonal spatio-temporal scales.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».