Influence of stratigraphy and heterogeneity on simulated \nmicrowave brightness temperatures of shallow snowpacks
Notice bibliographique
Résumé
Snow accumulation has potential climatological, hydrological and ecological impacts at a global scale. Satellite passive microwave radiometers have the potential to provide snow accumulation data with a historical record of over 30 years, however, current data products contain unknown uncertainty and error. \nSnowpack stratigraphy is the spatial variation in snowpack properties caused by the layered nature of the snowpack. Snowpack stratigraphy influences the accuracy and increases uncertainty in simulations of microwave emission from snow which in turn increases uncertainty in satellite derived estimates of snow water equivalent using microwave radiometers. \n \nTwo methods were developed to help better quantify snowpack stratigraphy. An improved technique for characterising snowpack stratigraphy within a snow trench was developed. Secondly a new method was developed to quantify the density of ice layers that form in snowpacks with known error and uncertainty. \n \nSnowpack stratigraphy was characterised using the improved technique across the Trail Valley Creek watershed in the Canadian Northwest Territories. Two 50 m trenches and eleven 5 m trenches were dug across the range of landcover types found in the watershed. This dataset allowed layer boundary roughness to be characterised and the properties of snow layers to be mapped with an unprecedented level of accuracy. \n \nIce lens density was measured 60 times at three locations in the Arctic and midlatitudes at locations with coincident ground based radiometer measurements. \nThe impact that accurate parameterisation of density has on modelled estimates of brightness temperature was quantified. \n \nSimulations of microwave brightness temperatures were conducted using snow emission models at all locations. The output of these simulations, and comparison \nto ground based observations where available, allowed for the characterisation of variability in brightness temperature simulations caused by stratigraphic heterogeneity. The findings presented in this thesis will inform research aiming to better characterise the satellite error budget. Improvements in this area helps improve global snow mass and snow accumulation estimates.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».