Satellite surface soil moisture from SMOS and Aquarius: Assessment for applications in agricultural landscapes
Notice bibliographique
Résumé
Satellite surface soil moisture has become more widely available in the past five years, with several missions designed specifically for soil moisture measurement now available, including the Soil Moisture and Ocean Salinity (SMOS) mission and the Soil Moisture Active/Passive (SMAP) mission. With a wealth of data now available, the challenge is to understand the skill and limitations of the data so they can be used routinely to support monitoring applications and to better understand environmental change. This paper examined two satellite surface soil moisture data sets from the SMOS and Aquarius missions against in situ networks in largely agricultural regions of Canada. The data from both sensors was compared to ground measurements on both an absolute and relative basis. Overall, the root mean squared errors for SMOS were less than 0.10 m 3 m −3 at most sites, and less where the in situ soil moisture was measured at multiple sites within the radiometer footprint (sites in Saskatchewan, Manitoba and Ontario). At many sites, SMOS overestimates soil moisture shortly after rainfall events compared to the in situ data; however this was not consistent for each site and each time period. SMOS was found to underestimate drying events compared to the in situ data, however this observation was not consistent from site to site. The Aquarius soil moisture data showed higher root mean squared errors in areas where there were more frequent wetting and drying cycles. Overall, both data sets, and SMOS in particular, showed a stable and consistent pattern of capturing surface soil moisture over time.
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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».