Assessment of the SMAP Level-4 Surface and Root-Zone Soil Moisture Product Using In Situ Measurements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The Soil Moisture Active Passive (SMAP) mission Level-4 Surface and Root-Zone Soil Moisture (L4_SM) data product is generated by assimilating SMAP L-band brightness temperature observations into the NASA Catchment land surface model. The L4_SM product is available from 31 March 2015 to present (within 3 days from real time) and provides 3-hourly, global, 9-km resolution estimates of surface (0–5 cm) and root-zone (0–100 cm) soil moisture and land surface conditions. This study presents an overview of the L4_SM algorithm, validation approach, and product assessment versus in situ measurements. Core validation sites provide spatially averaged surface (root zone) soil moisture measurements for 43 (17) “reference pixels” at 9- and 36-km gridcell scales located in 17 (7) distinct watersheds. Sparse networks provide point-scale measurements of surface (root zone) soil moisture at 406 (311) locations. Core validation site results indicate that the L4_SM product meets its soil moisture accuracy requirement, specified as an unbiased RMSE (ubRMSE, or standard deviation of the error) of 0.04 m3 m−3 or better. The ubRMSE for L4_SM surface (root zone) soil moisture is 0.038 m3 m−3 (0.030 m3 m−3) at the 9-km scale and 0.035 m3 m−3 (0.026 m3 m−3) at the 36-km scale. The L4_SM estimates improve (significantly at the 5% level for surface soil moisture) over model-only estimates, which do not benefit from the assimilation of SMAP brightness temperature observations and have a 9-km surface (root zone) ubRMSE of 0.042 m3 m−3 (0.032 m3 m−3). Time series correlations exhibit similar relative performance. The sparse network results corroborate these findings over a greater variety of climate and land cover conditions.
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.
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 | 0,001 | 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 découle