Estimating vegetation water content during the Soil Moisture Active Passive Validation Experiment 2016
Notice bibliographique
Résumé
Vegetation water content (VWC) is an important land surface parameter that is used in retrieving surface soil moisture from microwave satellite platforms. Operational approaches utilize relationships between VWC and satellite vegetation indices for broad categories of vegetation, i.e., “agricultural crops,” based on climatological databases. Determining crop type–specific equations for water content could lead to improvements in the soil moisture retrievals. Data to address this issue are lacking, and as a part of the calibration and validation program for NASA’s Soil Moisture Active Passive (SMAP) Mission, field experiments are conducted in northern central Iowa and southern Manitoba to investigate the performance of the SMAP soil moisture products for these intensive agricultural regions. Both sites are monitored for soil moisture, and the calibration and validation assessments had indicated performance issues in both domains. One possible source could be the characterization of the vegetation. In this investigation, Landsat 8 data are used to compute a normalized difference water index for the entire summer of 2016 that is then integrated with extensive VWC sampling to determine how to best characterize daily estimates of VWC for improved algorithm implementation. In Iowa, regression equations for corn and soybean are developed that provided VWC with root mean square error (RMSE) values of 1.37 and 1.10 kg / m2, respectively. In Manitoba, corn and soybean equations are developed with RMSE values of 0.55 and 0.25 kg / m2. Additional crop-specific equations are developed for winter wheat (RMSE of 0.07 kg / m2), canola (RMSE of 0.90 kg / m2), oats (RMSE of 0.74 kg / m2), and black beans (RMSE of 0.31 kg / m2). Overall, the conditions are judged to be typical with the exception of soybeans, which had an exceptionally high biomass as a result of significant rainfall as compared to previous studies in this region. Future implementation of these equations into algorithm development for satellite and airborne radiative transfer modeling will improve the overall performance in agricultural domains.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».