Estimation de la température de l'air et de la quantité de la vapeur d'eau atmosphérique à l'aide des données AVHRR de NOAA
Notice bibliographique
Résumé
Detailed measurements of the space-time variability of environmental variables such as the air temperature and moisture are crucial for the study of biophysical and climate processes. However, on a regional and global scale, the spatial density and distribution of meteorological stations do not allow to meet these needs in spatial information. Satellite imagery represents an interesting source of meteorological data outside meteorological stations with an appreciable spatial extent. The objective of this article is to adapt published estimation methods for air temperature and precipitable water using National Oceanic and Atmospheric Administration (NOAA) advanced very high resolution radiometer (AVHRR) data and to apply them to the southwestern region of the province of Quebec (Canada) context to analyse their performance. Data from 15 AVHRR images and 16 meteorological stations were used for the calibration and the validation of the satellite estimation methods for the first decade of June and July 1997. Precipitable water was thus estimated with an R2 of 0.59 and a standard error of 3.11 mm. As for the air temperature, it was obtained with an R2 of 0.72 and a standard error of 2.1 °C. The sensitivity analysis showed that the precipitable water estimation method is more sensitive to surface temperature fluctuations. The air temperature estimation method is particularly sensitive to the maximum value of the vegetation index.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».