Comparison of MODIS-derived land surface temperatures with ground surface and air temperature measurements in continuous permafrost terrain
Notice bibliographique
Résumé
Abstract. Obtaining high resolution records of surface temperature from satellite sensors is important in the Arctic because meteorological stations are scarce and widely scattered in those vast and remote regions. Surface temperature is the primary climatic factor that governs the existence, spatial distribution and thermal regime of permafrost which is a major component of the terrestrial cryosphere. Land Surface (skin) Temperatures (LST) derived from the Moderate Resolution Imaging Spectroradiometer (MODIS) sensor aboard the Terra and Aqua satellite platforms provide spatial estimates of near-surface temperature values. In this study, LST values from MODIS are compared to ground-based near-surface air (Tair) and ground surface temperature (GST) measurements obtained from 2000 to 2008 at herbaceous and shrub tundra sites located in the continuous permafrost zone of Northern Québec, Nunavik, Canada, and of the North Slope of Alaska, USA. LSTs (temperatures at the surface materials-atmosphere interface) are found to be better correlated with Tair (1–3 m above the ground) than with available GST (3–5 cm below the ground surface). As Tair is most often used by the permafrost community, this study focused on this parameter. LSTs are in stronger agreement with Tair during the snow cover season than in the snow free season. Combining Aqua and Terra LST-Day and LST-Nigh acquisitions into a mean daily value provides a large number of LST observations and a better overall agreement with Tair. Comparison between mean daily LSTs and mean daily Tair, for all sites and all seasons pooled together yields a very high correlation (R = 0.97; mean difference (MD) = 1.8 °C; and standard deviation of MD (SD) = 4.0 °C). The large SD can be explained by the influence of surface heterogeneity within the MODIS 1 km2 grid cells, the presence of undetected clouds and the inherent difference between LST and Tair. Retrieved over several years, MODIS LSTs offer a great potential for monitoring surface temperature changes in high-latitude tundra regions and are a promising source of input data for integration into spatially-distributed permafrost models.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».