Altimetry for estimating snow depth on sea ice: surface and satellite observations from the Canadian Arctic
Notice bibliographique
Résumé
Snow plays a vital role in near-shore landfast sea ice physical and biological processes. It needs to be monitored to understand sea ice processes and also to estimate sea ice thickness. However, snow depth remains difficult to estimate directly from space which forces the sea ice thickness products to use snow depth from model outputs or out-of-date climatology. Satellite altimetry based dual-radar and coincident laser/radar have been considered for providing regular estimates of snow depth on sea ice. In addition to the limitations associated with the functioning of individual altimeters, snow on landfast sea ice presents its challenges especially due to the lack of leads. While past studies have mostly focused on approaches suited to pack ice in the Central Arctic, this study aims to provide critical observations from landfast first-year sea ice in the Canadian Arctic. Surface-base altimeter retrievals from snow on sea ice at Churchill, Manitoba are compared to snow on lake ice demonstrating that the position of the Ku-band main scattering horizon is impacted by the presence of brine in the snowpack. The satellite-level study conducted at Dease Strait near Cambridge Bay is the first to assess the possibility of using coincident laser/radar altimeters (Cryo2Ice) for estimating snow depth on land-fast and lead-less sea ice at the Canadian Arctic Archipelago. The retrieved Cryo2Ice snow depths were underestimated by an average of 20.7 % which is slightly higher than the tidal adjustment applied. However, snow geophysical properties and surface roughness are seen to significantly bias Cryo2Ice retrievals. Both surface and satellite-based studies point towards the position of the Ku-band main scattering horizon being closer to the air-snow interface as opposed to the generally assumed snow-ice interface. Therefore, findings from this study may be useful for monitoring snow depth on land-fast sea ice using currently available and future satellite altimeters whereby snow depth and sea ice satellite products may be more useful in a landfast sea ice context.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».