Canadian Snow Radar Satellite Mission Science Readiness Advancements
Notice bibliographique
Résumé
Environment and Climate Change Canada (ECCC) and the Canadian Space Agency (CSA) continue to advance a new satellite Ku-band radar mission focused on providing moderate resolution (500 m) information on seasonal snow mass. Like many regions of the northern hemisphere, estimates of the amount of water stored as seasonal snow are highly uncertain across Canada. To address this gap, a technical concept capable of providing dual-polarization (VV/VH), moderate resolution (500 m), wide swath (~250 km), and high duty cycle (~25% SAR-on time) Ku-band radar measurements at two frequencies (13.5; 17.25 GHz) is under development. In this presentation, results from the Trail Valley Creek experiment (TVCEx) conducted in winter of 2018-19 will be presented. Data collected during the CryoSAR 2022-23 campaign in Powassan, Ontario, Canada will also be shown in the context of how the proposed snow radar mission can improve SWE retrievals in agricultural lands. Using the UMASS airborne Ku-band radar instrument and satellite observations from RADARSAT-2 and TerraSAR-X, we show that it is possible to retrieve background soil properties allowing to separate the background from the snowpack contribution of the Ku-band signal and isolate the snow volume scattering to facilitate radar-based SWE retrievals. We also show that the ground-based snow sampling strategy deployed during the TVCEx, providing statistical distributions of snow microstructure and density, is crucial to properly estimate the radar signal from forward modelling. Ground-based snow properties, soil and weather station information, drone LiDAR/optical data and radar observations collected for the CryoSAR campaign will also be presented.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,168 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».