Cross-Comparison between MODIS and VIIRS Snow Cover Products for the 2016 Hydrological Year
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
The VIIRS (Visible Infrared Imaging Radiometer Suite) instrument on board the Suomi-NPP (National Polar-Orbiting Partnership) satellite aims to provide long-term continuity of several environmental data series including snow cover initiated with MODIS (Moderate Resolution Imaging Spectroradiometer). Although it is speculated that MODIS and VIIRS snow cover products may differ because of their differing spatial resolutions and spectral coverage, quantitative comparisons between their snow products are currently limited. Therefore, this study intercompares MODIS and VIIRS snow products for the 2016 Hydrological Year over the Midwestern United States and southern Canada. Two hundred and forty-four swath snow products from MODIS/Aqua (MYD10L2) and the VIIRS EDR (Environmental Data Records) (VSCMO/binary) were intercompared using confusion matrices, comparison maps and false color imagery. Thresholding the MODIS NDSI (Normalized Difference Snow Index) Snow Cover product at a snow cover fraction of 30% generated binary snow maps are most comparable to the NOAA VIIRS binary snow product. Overall agreement between MODIS and VIIRS was found to be approximately 98%. This exceeds the VIIRS accuracy requirements of 90% probability of correct typing. The agreement was highest during the winter but lower during late fall and spring. MODIS and VIIRS often mapped snow/no-snow transition zones as a cloud. The assessment of total snow and cloud pixels and comparison snow maps of MODIS and VIIRS indicate that VIIRS is mapping more snow cover and less cloud cover compared to MODIS. This is evidenced by the average area of snow in MYD10L2 and VSCMO being 5.72% and 11.43%, no-snow 26.65% and 28.67% and cloud 65.02% and 59.91%, respectively. While VIIRS and MODIS have a similar capacity to map snow cover, VIIRS has the potential to map snow cover area more accurately, for the successful development of climate data records.
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 | 0,000 | 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 | 0,000 |
| 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 découle