Validating the BERMS in situ Soil Water Content Data Record with a Large Scale Temporary Network
Notice bibliographique
Résumé
Calibration and validation of soil moisture satellite products requires data records of large spatial and temporal extent and for diverse land cover types. Obtaining these data, especially for forests, can be challenging. These challenges can include the remoteness of the locations and expense of equipment. The Boreal Ecosystem Research and Monitoring Sites (BERMS) network in Saskatchewan, Canada, is a long‐term ecosystem network which includes five soil water content profile stations. These stations provide a critical but incomplete view of the soil water content patterns across a study domain of 10,000 square km; however, the representativeness of these observations for this purpose has not yet been evaluated. In coordination with the Canadian Experiment‐Soil Moisture 2010 (CANEX‐SM10), a temporary network of surface soil water content sensors was installed during the summer of 2010 to enhance the data resources of the BERMS network. This short term data record was then used as a basis for up‐scaling and validating the BERMS network. This large domain is approximately 1200 square km and provides a higher confidence because of the increased number of sampling sites. Using temporal stability analysis, this network verified that the BERMS network could be scaled to a satellite scale footprint with a root mean square error (RMSE) of 0.025 m 3 m −3 , and applied to the entire period of record.
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 | 0,001 | 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 | 0,001 |
| 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 ».