Evaluating the surface density and the spatial variability of the Arctic snow cover using a frequency-modulated continuous wave (FMCW) radar
Notice bibliographique
Résumé
<!--!introduction!--> The arctic ecosystem is changing four times faster than the rest of the planet because of climate change. This increases the frequency of extreme weather events, like very strong winds, that have direct repercussions on snow properties, especially on its density. These kinds of events can prevent the foraging of the Peary caribou (Rangifer tarandus pearyi) as soon as the density of the snow exceeds 350 kg/m2, leading to nutritional deficiencies and even, in extreme cases, to mass mortality events due to famine. Unfortunately, the densification of the snow by strong winds is hard to study, as it is a very variable phenomenon at a local scale and the actual method of gathering density data is by digging up snow pits, which is time consuming and provides only punctual data. The usage of a frequency modulated continuous wave (FMCW) radar opens the possibility of developing an algorithm to retrieve snow density to characterize the spatial variability and impact of wind on the densification of snow cover. The elaboration of this algorithm is conducted using a portable FMCW radar that can be mounted on a sleigh or on a drone and used before and after strong winds, to map the characteristics of the snow cover’s stratigraphy. This method only requires the digital elevation model of the study site and basic knowledge of the ground vegetation, as it influences the radar backscatter. This study takes place in Cambridge Bay (Nunavut, Canada), in the Intensive Monitoring Area of the Canadian High-Arctic Research Station.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».