Parameterization of the freeze/thaw discriminant function algorithm using dense <i>in-situ</i> observation network data
Notice bibliographique
Résumé
The near-surface soil freeze–thaw (FT) transition is an important factor affecting land-atmosphere exchanges, hydrology and carbon cycles. Thus, effectively monitoring the temporal–spatial changes of soil FT processes is crucial to climate change and environment research. Several approaches have been developed to detect the soil FT state from satellite observations. The discriminant function algorithm (DFA) uses temperature and emissivity information from Advanced Microwave Scanning Radiometer Enhanced (AMSR-E) passive microwave satellite observations. Although it is well validated, it was shown to be insufficiently robust for all land conditions. In this study, we use in-situ observed soil temperature and AMSR-E brightness temperature to parameterize the DFA for soil FT state detection. We use the in-situ soil temperature records at 5 cm selected from available dense networks in the Northern Hemisphere as a reference. Considering the distinction between ascending and descending orbits, two different sets of parameters were acquired for each frequency pair. The validation results indicate that the overall discriminant accuracy of the new function can reach 90%. We further compared the Advanced Microwave Scanning Radiometer 2 discriminant results using the new function to the Soil Moisture Active Passive freeze/thaw product, and a reasonable consistency between them was found.
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 ».