Field-Scale Spatial Variability of Soil Moisture and L-Band Brightness Temperature from Land Surface Modeling
Notice bibliographique
Résumé
Abstract Although soil moisture is an essential variable within the Earth system and has been extensively investigated, there is still a limited understanding of its spatiotemporal distribution and variability. Thus, the objective of this study is to attempt to reproduce the spatial variability of soil moisture and brightness temperature as measured by point-based and airborne remote sensing measurements. To do so, Environment and Climate Change Canada’s Surface Prediction System (SPS) is run at very high resolution (100 m) over a region of Manitoba (Canada) where an extensive soil moisture experiment took place in the summer of 2012 [SMAP Validation Experiment 2012 (SMAPVEX12)]. Results show that realistic finescale soil texture improves the quality of SPS outputs. Soil moisture spatial average evolution in time is well simulated by SPS. Simulated spatial variability is underestimated when compared to point-based measurements, although results are improved when examined domainwide versus comparisons using grid points corresponding to measurement sites. SPS brightness temperature fields compare well with remote sensing data in terms of spatial variability. It is shown that during drier periods, factors other than soil texture become important with respect to soil moisture spatial variability. However, during periods with plenty of precipitation, soil texture seems essential in improving simulated soil moisture spatial variability at high resolutions. These results support the conclusion that SPS could provide very high–resolution soil moisture products for research and operational purposes if high-resolution soil texture and vegetation products are made available on a larger scale.
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 ».