Improvement of Bare Soil Semi-Empirical Radar Backscattering Models (Oh and Dubois) with SAR Multi-Spectral Satellite Data (X-, C- and L-Bands)
Notice bibliographique
Résumé
The objective of this study is to improve the performance of semi-empirical radar backscatter models, which are mainly used in microwave remote sensing (Oh 1992, Oh 2004 and Dubois). The study is based on satellite and ground data collected on bare soil surfaces during the Multispectral Crop Monitoring experimental campaign of the CESBIO laboratory in 2010 over an agricultural region in southwestern France. The dataset covers a wide range of soil (viewing top soil moisture, surface roughness and texture) and satellite (at different frequencies: X-, C- and L-bands, and different incidence angles: 24.3° to 53.3°) configurations. The proposed methodology consists in identifying and correcting the residues of the models, depending on the surface properties (roughness, moisture, texture) and/or sensor characteristics (frequency, incidence angle). Finally, one model has been retained for each frequency domain. Results show that the enhancements of the models significantly increase the simulation performances. The coefficient of correlation increases of 23% in mean and the simulation errors (RMSE) are reduced to below 2 dB (at the X and C-bands) and to 1 dB at the L-band, compared to the initial models. At the X- and C-bands, the best performances of the modified models are provided by Dubois, whereas Oh 2004 is more suitable for the L-band (r is equal to 0.69, 0.65 and 0.85). Moreover, the modified models of Oh 1992 and 2004 and Dubois, developed in this study, offer a wider domain of validity than the initial formalism and increase the capabilities of retrieving the backscattering signal in view of applications of such approaches to stronglycontrasted agricultural surface states.
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 | 0,001 |
| 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 ».