Evaluation of soil moisture derived from passive microwave remote sensing over agricultural sites in Canada using ground-based soil moisture monitoring networks
Notice bibliographique
Résumé
Passive microwave soil moisture datasets can be used as an input to provide an integrated assessment of climate variability as it relates to agricultural production. The objective of this research was to examine three passive microwave derived soil moisture datasets over multiple growing seasons in contrasting Canadian agricultural environments. Absolute and relative soil moisture was evaluated from two globally available datasets from the Advanced Microwave Scanning Radiometer for EOS (AMSR-E) sensor using different retrieval algorithms, as well as relative soil wetness at a weekly scale from the Special Sensor Microwave/Imager (SSM/I) sensor. At a daily scale, the Land Parameter Retrieval Model (LPRM) provides a better estimate of surface soil moisture conditions than the National Snow and Ice Data Center (NSIDC) dataset, with root mean squared errors ranging from 5 to 10% for LPRM and 12 to 18% for NSIDC soil moisture when a temporal smoothing is applied to the dataset. Both datasets provided better estimates of soil moisture over the temperate site near Elora, Ontario than the prairie site near Davidson, Saskatchewan. The LPRM dataset tends to overestimate soil moisture conditions at both sites, where the NSIDC dataset tends to underestimate absolute soil moisture. These differences in retrieval methods were independent of radiometric frequency used. At weekly scales, the LPRM dataset provides a better relative estimate of wetness conditions when compared to the NSIDC and the Basist Wetness Index (BWI) from SSM/I data, but the SSM/I dataset did provide a reasonably good relative indicator of moisture conditions. The high variability in accuracy of soil moisture estimation related to retrieval algorithms indicates that consistency is needed in these datasets if they are to be integrated in long term studies for yield estimation or data assimilation.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».