MétaCan
Menu
Retour à la cohorte
Enregistrement W2901008353 · doi:10.1109/igarss.2018.8518170

Sentinel-1 & Sentinel-2 for SOIL Moisture Retrieval at Field Scale

2018· article· en· W2901008353 sur OpenAlexaff
Francesco Mattia, Anna Balenzano, Giuseppe Satalino, Francesco Lovergine, Jian Peng, U. Wegmüller, Oliver Cartus, Malcolm Davidson, S. Kim, Joel T. Johnson, Jeffrey P. Walker, Xiaoling Wu, Valentijn Pauwels, Heather McNairn, Todd G. Caldwell, Michael H. Cosh, Thomas J. Jackson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésWater contentEnvironmental scienceRemote sensingSoil textureScale (ratio)MoistureEarth observationSoil scienceMeteorologySoil waterGeologySatelliteGeographyEngineeringCartographyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Soil moisture content is an essential climate variable that is operationally delivered at low resolution (e.g. 36-9 km) by earth observation missions, such as ESA/SMOS, NASA/SMAP and EUMETSAT/ASCAT. However numerous land applications would benefit from the availability of soil moisture maps at higher resolution. For this reason, there is a large research effort to develop soil moisture products at higher resolution using, for instance, data acquired by the new ESA's Sentinel missions. The objective of this study is twofold. First, it presents the validation status of a pre-operational soil moisture product derived from Sentinel-1 at 1 km resolution. Second, it assesses the possibility of integrating Sentinel-2 data and additional ancillary information, such as parcel borders and high resolution soil texture maps, in order to obtain soil moisture maps at “field scale” resolution, i.e. ~0.1 km. Case studies concerning agricultural sites located in Europe are presented.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil1,000

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)0,0010,002

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 Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,235 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil Moisture and Remote SensingTravaux en français237 207