KAN- and CNN-Driven Snow Stratigraphy Retrieval Across Antarctic and Subarctic Environments
Notice bibliographique
Résumé
Accurate retrieval of snow density (ρ)and specific surface area (SSA) is critical for understanding snowpack evolution, energy balance, and hydrological processes. This study leverages the Kolmogorov–Arnold Network (KAN) relative to a conventional Convolutional Neural Network (CNN) in predicting vertical profiles ofρand SSA across two contrasting environments: the stable, cold Antarctic plateau and the heterogeneous Canadian subarctic zones. Results demonstrate that both models accurately reproduce large-scale stratigraphic patterns, but KAN generally achieves higher depth-preserving skill for SSA in the more complex Canadian environment, while CNN yields more accurateρretrieval across two regions. Depth-resolved correlation patterns reveal performance fluctuations in mid-layers, attributed to compaction, vapor transport, and metamorphic processes not explicitly represented in purely data-driven models. SHAP analysis confirms the complementary sensitivity of low- (10 GHz, 19 GHz) and high-frequency (37 GHz, 89 GHz) microwave channels to deeper and near-surface snow layers, respectively. Under extreme snow conditions (highρor SSA), both models capture strong physical correlations between snow properties, temperature, measurement depth, and microwave signals, while also revealing saturation effects at high density and low SSA. The results highlight KAN's potential as a robust alternative to CNN for cryospheric remote sensing, especially in heterogeneous snow regimes where nonlinear feature interactions and depth-dependent relationships are critical. The demonstrated capability has implications for satellite retrieval algorithm design, avalanche hazard forecasting, and climate model parameterization of snow–atmosphere interactions.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».