Assimilation of synthetic radar backscatters at Ku-band improves SWE estimates
Notice bibliographique
Résumé
Abstract. In cold regions, snow serves as the primary water source for downstream rivers and lakes. Accurate gridded snow water equivalent (SWE) estimation is hindered by the sparse ground observation network and the low resolution of satellite passive microwave products. To address this, Environment and Climate change Canada (ECCC), the Canadian Space Agency (CSA), and Natural Resources Canada (NRCan) are developing the Terrestrial Snow Mass Mission (TSMM), a dual Ku-band satellite mission designed to measure backscatter at 13.5 GHz and 17.25 GHz across the Northern Hemisphere at a 500-m spatial resolution with a weekly temporal resolution. This study assesses the feasibility of assimilating Ku-band backscatter to enhance SWE estimates in a synthetic experiment. We used the Soil-Vegetation-Snow version 2 (SVS2) land surface model, which incorporates the snowpack model Crocus, coupled with the Snow Microwave Radiative Transfer model (SMRT). Observations extracted at weekly intervals from synthetic truths (SWE and backscatter) were assimilated with a particle filter in point-scale at three sites spanning different Canadian climates (Arctic, humid continental, Alpine) over three winter seasons. Meteorological forcing derived from the high-resolution Canadian meteorological model was perturbed to generate ensembles of snow simulations for assimilation. Results indicate that assimilating backscatter observations reduced the mean continuous ranked probability score (CRPS) of SWE estimates by up to 32 % at the Arctic and humid continental climate sites compared to the open-loop ensemble, performing similarly to the assimilation of SWE with an observation error larger than 20 %. Assimilating backscatter observations at the Alpine site only improved the SWE estimates by 5 % as backscatter signals seemed to lose sensitivity to SWE values greater than ~300 kg m−2 in our experimental setup. Assimilating backscatter and SWE observations also improved the estimations of vertical profiles of snow density and specific surface area. These findings demonstrate the potential of direct assimilation of Ku-band backscatter to enhance both estimates of SWE and snowpack properties.
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 | 0,000 | 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) | 0,000 | 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 ».