Characterization of surface clutter signal in the presence of orography for a spaceborne conically scanning W-band Doppler radar
Notice bibliographique
Résumé
Abstract. The Earth's surface radar reflection is one of the most important signals received by spaceborne radar systems. It is used in several scientific applications, including geolocation, terrain classification, and path-integrated attenuation estimation. A simulator based on the ray-tracing approach has been developed to reproduce the clutter reflectivity and the Doppler velocity signal for a conically scanning spaceborne Doppler radar system. The simulator exploits topographic information through a raster digital elevation model, land types from a regional classification database, and a normalized radar surface cross-section look-up table. The simulator is applied to the WInd VElocity Radar Nephoscop (WIVERN) mission, which proposes a conically scanning W-band Doppler radar to study in-cloud winds. Using an orbital model, detailed simulations for conical scans over the Piedmont region of Italy, which offers a variety of landscape conditions, are presented. The results highlight the strong departure of the reflectivity and Doppler velocity profiles in the presence of marked orography and the significant gradient in the surface radar backscattering properties. The simulations demonstrate the limitations and advantages of using the surface Doppler velocity over land as an antenna-pointing characterization technique. They represent the full strength range of the surface radar clutter over land surfaces for the WIVERN radar. The surface clutter tool applies to other spaceborne radar missions, such as the nadir-pointing EarthCARE and CloudSat Cloud Profiling Radar (CPR), or the cross-track scanning Global Precipitation Measurement (GPM) precipitation radars.
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 | 0,002 | 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) | 0,000 | 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 ».