Surface Soil Moisture Retrieval Using the L-Band Synthetic Aperture Radar Onboard the Soil Moisture Active–Passive Satellite and Evaluation at Core Validation Sites
Notice bibliographique
Résumé
This paper evaluates the retrieval of soil moisture in the top 5-cm layer at 3-km spatial resolution using L-band dual-copolarized Soil Moisture Active-Passive (SMAP) synthetic aperture radar (SAR) data that mapped the globe every three days from mid-April to early July, 2015. Surface soil moisture retrievals using radar observations have been challenging in the past due to complicating factors of surface roughness and vegetation scattering. Here, physically based forward models of radar scattering for individual vegetation types are inverted using a time-series approach to retrieve soil moisture while correcting for the effects of static roughness and dynamic vegetation. Compared with the past studies in homogeneous field scales, this paper performs a stringent test with the satellite data in the presence of terrain slope, subpixel heterogeneity, and vegetation growth. The retrieval process also addresses any deficiencies in the forward model by removing any time-averaged bias between model and observations and by adjusting the strength of vegetation contributions. The retrievals are assessed at 14 core validation sites representing a wide range of global soil and vegetation conditions over grass, pasture, shrub, woody savanna, corn, wheat, and soybean fields. The predictions of the forward models used agree with SMAP measurements to within 0.5 dB unbiased-root-mean-square error (ubRMSE) and −0.05 dB (bias) for both copolarizations. Soil moisture retrievals have an accuracy of 0.052 m3/m3ubRMSE, −0.015 m3/m3bias, and a correlation of 0.50, compared toin situmeasurements, thus meeting the accuracy target of 0.06 m3/m3ubRMSE. The successful retrieval demonstrates the feasibility of a physically based time series retrieval with L-band SAR data for characterizing soil moisture over diverse conditions of soil moisture, surface roughness, and vegetation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».