A Comparison of Land Surface Temperature, Derived from AMSR-2, Landsat and ASTER Satellite Data
Notice bibliographique
Résumé
Land surface parameters are highly integrated and have a direct effect on water and energy balance and weather predictions. Due to the difficulties in correcting the influences of the atmosphere absorbability and the earth surface emissivity diversification, the retrieval of land surface temperature (LST) from satellite data is a challenging task. To retrieve microwave land emissivity, infrared surface skin temperatures have been used as surface physical temperature. However, passive microwave emissions originate from deeper layers with respect to the skin temperature. So, this inconsistency in sensitivity depths between skin temperatures and microwave temperatures may introduce a discrepancy in the determined emissivity. In this research work, 6 sample sites were chosen on the globe for 2013 and 2014 and then derive land surface temperature from AMSR-2, Landsat and ASTER brightness temperature values. The algorithm is developed from a surface brightness temperature dataset, which uses a range of surface parameters and atmospheric quantities as inputs. The retrieved LST is compared within AMSR-2, Landsat and ASTER for the same period and area. Maximum time ASTER shows highest temperature than other data and AMSR-2 has lowest temperature on same area. Landsat and ASTER is closer to ground measured temperature than AMSR-2 data. It will be interesting to see how the satellite-derived surface temperature will behave in an assimilation scheme in a follow-up study.
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 | 0,000 |
| 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 ».