MétaCan
Menu
Retour à la cohorte
Enregistrement W2623997094 · doi:10.1109/jstars.2017.2707545

Correcting Satellite Passive Microwave Brightness Temperatures in Forested Landscapes Using Satellite Visible Reflectance Estimates of Forest Transmissivity

2017· article· en· W2623997094 sur OpenAlexaff
Qinghuan Li, Richard Kelly

Notice bibliographique

RevueIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRemote sensingEnvironmental scienceSatelliteTree canopyEndmemberSpectroradiometerBrightness temperatureVegetation (pathology)CanopyMeteorologyBrightnessAtmospheric sciencesHyperspectral imagingPhysicsReflectivityGeologyOpticsGeography

Résumé

récupéré en direct d'OpenAlex

Forest cover attenuation of microwave emission is a significant challenge to the estimation of snow accumulation from remote sensing microwave observations because canopy biomass attenuates the understory snowcover emission and produces additional emission to that generated by the snowpack and subnivean surface. Transmissivity of radiation is an important variable that describes how a tree canopy attenuates microwave emission from the ground. Although it can be measured in the field or estimated by models using field data at the in situ scale, the estimation of transmissivity at regional to global scales is a challenge. Following the work of Metsämäki et al. (2005), a transmissivity model that uses reflectance data from the moderate resolution imaging spectroradiometer is applied to estimate transmissivity at global scales. The influence of the vegetation attenuation and the emission on the brightness temperature (Tb), which is observed by advanced microwave scanning radiometer-Earth observing system sensor (Tb <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">vegetation</sub> ), can be calculated by comparing the Tb of the ground below-canopy (Tb <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">ground</sub> ) with the Tb above the forest canopy (Tb <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">ac</sub> ) during the presnow season. Linear regression models derived between transmissivity estimates and the Tb <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">vegetation</sub> had significant R <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> values of 0.76 (0.96) at 18 GHz vertical (horizontal) polarization and 0.91 (0.91) at 36 GHz vertical (horizontal) polarization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,293
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,255
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Selected Topics in Applied Earth Observations and Remote SensingMême sujetCryospheric studies and observationsTravaux en français237 207