A Comparison of AMSR-E/Aqua Snow Products with in situ Observations and MODIS Snow Cover Products in the Mackenzie River Basin, Canada
Notice bibliographique
Résumé
Since 2002, global snow water equivalent (SWE) estimates have been generated using Advanced Microwave Scanning Radiometer (AMSR-E)/Aqua data. Accurate estimates of SWE are important to improve monitoring and managing of water resources in specific regions. SWE and snow map product accuracy are functions of topography and of land cover type because landscape characteristics have a strong influence on redistribution and physical properties of snow cover, and influence the microwave properties of the surface. Here we evaluate the AMSR-E SWE and derived snow map products in the Mackenzie River Basin (MRB), Canada, which is characterized by complex topography and varying land cover types from tundra to boreal forest. We compare in situ snow depth observations and Moderate Resolution Imaging Spectroradiometer (MODIS) snow cover maps from January 2003 to December 2007 with passive microwave remotely sensed SWE from AMSR-E and derived snow cover maps. In the MRB the mean absolute error ranges from 12 mm in the early winter season to 50 mm in the late winter season and overestimations of snow cover maps based on a 1 mm threshold of AMSR-E SWE varies from 4% to 8%. The optimal threshold for AMSR-E SWE to classify the pixels as snow ranges from 6 mm to 9 mm. The overall accuracy of new snow cover maps from AMSR-E varies from 91% to 94% in different sub-basins in the MRB.
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 | 0,001 |
| 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) | 0,000 | 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 ».