Fine-Scale SAR Soil Moisture Estimation in the Subarctic Tundra
Notice bibliographique
Résumé
In the subarctic tundra, soil moisture information can benefit permafrost monitoring and ecological studies, but fine-scale remote-sensing approaches are lacking. We explore the suitability of C-band SAR, paying attention to two challenges soil moisture retrieval faces. First, the microtopography and the heterogeneous organic soils impart unique microwave scattering properties, even in absence of noteworthy shrub cover. Empirically, we find the polarimetric response is highly random (entropies >0.7). The randomness limits the applicability of purely polarimetric approaches to soil moisture estimation, as it causes a tailor-made decomposition to break down. For comparison, the L-band scattering response is more surfacelike, also in terms of its angular characteristics. The second challenge concerns the large spatial but small temporal variability of soil moisture observed at our site. Accordingly, the Radarsat-2 C-band backscatter has a limited dynamic range (~2 dB). However, contrary to polarimetric indicators, it shows a clear surface soil moisture signal. To account for the small dynamic range while retaining a 100-m spatial resolution, we embed an empirical time-series model in a Bayesian framework. This framework adaptively pools information from neighboring grid cells, thus increasing the precision. The retrieved soil moisture index achieves correlations of 0.3-0.5 with in situ data at 5 cm depth and, upon calibration, root-mean-square errors of3m-3. As this approach is applicable to Sentinel-1 data, it can potentially provide frequent soil moisture estimates across large regions. In the long term, L-band data hold greater promise for operational retrievals.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».