Validation of Snow Backscattering Models Using Ground-Based Measurements
Notice bibliographique
Résumé
Microwave remote sensing signals are commonly used to retrieve key snowpack parameters, such as snow water equivalent and snow depth, and their accuracy is influenced by various factors. Snow radiative transfer models are crucial for understanding the interactions between microwave signals and snowpacks. In this context, this study aims to perform the validation and intercomparison of two commonly used active microwave snow forward models at four-frequency, C- (5.4 GHz), X- (10 GHz), Ku-band (13.3 and 17.7 GHz) and tri-polarization (VV, HH and VH) channels using field campaign measurements collected from Finland, Canada, and China. Here the Snow Microwave Radiative Transfer (SMRT) and the Bicontinuous Dense Media Radiative Transfer (Bic-DMRT) models are selected. Our preliminary results indicate that both SMRT and Bic-DMRT models perform similar performances at 10 and 14 GHz, with the correlation values of 0.84-0.95, ubRMSE values of 0.64-1.57 dB. Meanwhile, the simulated values at HH polarization exhibit high bias (up to -1.38 dB) and larger ubRMSE (1.52 dB) than VV polarization. We also find both models present poor performances at 17.75 GHz, especially for HH polarization. For example, the ubRMSE (bias) values are 2.85 (-2.55) dB and 1.93 (-1.21) dB respectively for SMRT and Bic-DMRT models. Our subsequent validation and intercomparison results of SMRT and Bic-DMRT in Finland and Canada are in progress.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».