MétaCan
Menu
Retour à la cohorte
Enregistrement W2081296401

Détermination de l'humidité du sol dans le bassin versant du Mackenzie à partir de données satellitaires AMSR-E

2008· article· fr· W2081296401 sur OpenAlexaboutno aff
Naira Chaouch

Notice bibliographique

RevueEspace École de technologie supérieure (École de technologie supérieure) · 2008
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForestryHumanitiesGeologyGeographyPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La présente recherche vise l'estimation de l'humidité du sol dans le bassin du fleuve Mackenzie, situé dans le territoire du nord-ouest canadien en utilisant des données multisatellites captées dans les domaines des micro-ondes passives, le visible et l'infrarouge. L'approche proposée s'articule autour de deux étapes principales. La première étape vise la détermination de l'humidité du sol avec les données de température de brillance du satellite AMSR-E mesurées en bande C ( 6,9 GHz) en utilisant un modèle de transfert radiatif. Comme les mesures in situ ne sont pas disponibles sur la zone d'étude, pour atteindre l'objectif de cette étape, on fait appel à des sources externes d'information. En se basant sur la sensibilité du signal micro-onde aux paramètres de sol et de la végétation, une méthode séquentielle est considérée pour calibrer le modèle. Les paramètres de rugosité, de végétation et l'humidité du sol sont déterminés par une méthode itérative qui minimise la somme de l'écart au carré entre la température de brillance mesurée (AMSR-E) et la température de brillance simulée avec le modèle de transfert radiatif. Une comparaison qualitative entre l'humidité du sol estimée et les données NARR de précipitation et d'humidité du sol montre une bonne concordance entre les deux sources d'information. D'une manière quantitative, les données NARR d'humidité du sol sont plus élevées que les humidités du sol simulées avec les données AMSR-E.
\n
\nLes résultats du modèle de transfert radiatif ont été obtenus à la résolution des données micro-ondes passives AMSR-E en bande C, soit 50 km. Dans un deuxième temps, pour améliorer la résolution spatiale des cartes d'humidité du sol, une nouvelle approche a été proposée. L'idée de cette approche se base sur un indice de température/végétation TVDI. Cet indice est généré à partir de données de température de surface et de l'indice de végétation NDVl, tous deux obtenus à partir du satellite MODIS. L'indice proposé a une résolution spatiale de l'ordre de 1 km donc meilleure à celle des micro-ondes passive. Cet indice donne une indication sur l'état de l'humidité du sol. Une relation linéaire négative entre l'humidité du sol à l'échelle du pixel de MODIS et l'indice TVDI correspondant est considérée pour distribuer spatialement l'humidité à l'échelle de 1 km. Cet exercice de mise à l'échelle du pixel MODIS a permis de développer des cartes d'humidité du sol à une résolution spatiale améliorée. La validation de cette approche est réahsée en comparant l'humidité du sol à faible échelle à des observations de précipitation, de température de l'air et des mesures in situ de l'humidité du sol. Globalement, les résultats obtenus sont acceptables.
\n
\nII a été prouvé au terme de ce travail que les micro-ondes passives en bande C, combinées à d'autres données satellitaires possèdent un potentiel intéressant afin d'améliorer la cartographie de l'humidité du sol. Des recommandafions et des suggesfions pour des travaux futurs sont identifiées à la fin de cette thèse.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,333
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,010
Communication savante0,0000,001
Science ouverte0,0040,002
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,227
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspace École de technologie supérieure (École de technologie supérieure)Même sujetSoil Moisture and Remote SensingTravaux en français237 207