Automated Calibration of the METRIC‐Landsat Evapotranspiration Process
Notice bibliographique
Résumé
Abstract A remaining challenge to applying satellite‐based energy‐balance algorithms for operational estimation of evapotranspiration ( ET ) is the calibration of the energy‐balance model. Customized calibration for each image date is generally required to overcome biases associated with radiometric accuracy of the image, uncertainties in aerodynamic features of the landscape, background thermal conditions, and model assumptions. The CIMEC process (calibration using inverse modeling at extreme conditions) is an endpoint calibration procedure where near extreme conditions in the image are identified where the ET can be estimated and assigned. In the Mapping EvapoTranspiration at high Resolution with Internalized Calibration ( METRIC ™) energy‐balance model, two endpoints represent the dry and wet ends of the ET spectrum. Generally, user‐intervention is required to select locations in the image to produce best accuracy. To bring the METRIC and similar processes into the domain of less experienced operators, a consistent, reproducible, and dependable statistics‐based procedure is introduced where relationships between vegetation amount and surface temperature are used to identify a subpopulation of locations (pixels) in an image that may best represent the calibration endpoints. This article describes the background and logic for the statistical approach, how the statistics were developed, area of interest requirements and assumptions, adjustment for dry conditions in desert climates, and implementation in a common image processing environment ( ERDAS Imagine).
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 | 0,001 |
| 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 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 ».