Correcting Satellite Passive Microwave Brightness Temperatures in Forested Landscapes Using Satellite Visible Reflectance Estimates of Forest Transmissivity
Notice bibliographique
Résumé
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 (Tbvegetation), can be calculated by comparing the Tb of the ground below-canopy (Tbground) with the Tb above the forest canopy (Tbac) during the presnow season. Linear regression models derived between transmissivity estimates and the Tbvegetationhad significant R2values 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 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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».