Validation of VEGETATION, MODIS, and GOES + SSM/I snow‐cover products over Canada based on surface snow depth observations
Notice bibliographique
Résumé
Abstract The ability to map the areal depletion of snow accurately is important for operational decision making (e.g. reservoir management), for correct specification of boundary conditions in numerical weather‐prediction models, and for modelling atmospheric, hydrological and ecological processes. A number of satellite‐derived snow‐cover products are available in real time; however, these can differ considerably due to variations in sensor and platform characteristics, data pre‐processing methods, and the particular snow‐cover classification algorithms employed. This article evaluates the performance of three daily snow‐cover products over Canada: (1) Terra Moderate Resolution Imaging Spectroradiometer (MODIS) snow‐cover maps provided at 500 m spatial resolution for 2001; (2) National Oceanic Atmospheric Administration (NOAA) GOES + SSM/I snow maps provided at 4 km resolution for 2001 (∼30 km resolution SSM/I data were used for cloud‐covered areas); (3) SPOT‐4 VEGETATION (VGT) snow maps derived at 1 km resolution for 2000. An evaluation of the snow‐cover products with daily surface snow depth observations collected from almost 2000 meteorological stations across Canada revealed that the VGT snow product used in this study may not be suitable for snow mapping in Canada because of a significant bias towards mapping snow‐free conditions. The MODIS and NOAA products showed similar reasonable levels of agreement with ground data, ranging from approximately 80% to 100% on a monthly basis. Somewhat lower agreement was found in January, when solar zenith angles are large, suggesting that better correction for tree and surface shadow effects is needed in current snow‐cover mapping algorithms. The lowest agreement was seen during snowmelt, mainly in forest areas. Comparison of MODIS agreement statistics between sparse and dense conifer regions indicated that the effect of non‐representativenes of surface snow depth observations was on the order of 10% disagreement. The NOAA product was found to be the most consistent among land cover types and had the highest percentage of cloud‐free pixels. Copyright © 2004 John Wiley & Sons, Ltd.
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».