Multi‐Stage Inversion Method to Retrieve Soil Moisture from Passive Microwave Measurements over the Mackenzie River Basin
Notice bibliographique
Résumé
An approach is proposed to estimate soil moisture from Advanced Microwave Scanning Radiometer for the Earth Observing System (AMSR‐E) 6.9 GHz passive microwave observations. The approach was evaluated over two watersheds in the Mackenzie River Basin in northwestern Canada as a contribution to the Canadian Global Energy and Water Cycle Experiment (GEWEX) study and the Mackenzie GEWEX Study (MAGS). Based on the sensitivity of the emitted microwave signal to soil roughness and vegetation parameters, a two‐stage method was applied to calibrate a microwave radiative transfer model. Roughness parameters were determined using observations taken under dry conditions. Vegetation parameters were determined using observations taken under wet conditions. Obtained soil roughness and vegetation parameters were then integrated in the radiative transfer model to retrieve soil moisture. The performances of the proposed approach were evaluated against in situ observations, estimates from the NASA soil moisture product (AMSR‐E), model‐based soil moisture estimates from the NARR and gauge‐based precipitation observations. The lowest RMSE of 0.0254 g/cm 3 was obtained between the retrieved soil moisture and in situ soil moisture. But, the RMSE between the NARR estimates and in situ soil moisture was 0.055 g/cm 3 and between the NASA AMSR‐E product and in situ observation was 0.072 g/cm 3 . This implies that the proposed approach led to an improvement of 55% and 72% in the obtained RMSE over NARR and NASA AMSR‐E soil moisture, respectively. It is noteworthy that the proposed approach is expandable to larger watersheds and very appropriate for remote regions like the Mackenzie River Basin where information on roughness and vegetation are scarce.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».