Uncertainty of Reference Pixel Soil Moisture Averages Sampled at SMAP Core Validation Sites
Notice bibliographique
Résumé
Abstract Despite extensive efforts to maximize ground coverage and improve upscaling functions within core validation sites (CVS) of the NASA Soil Moisture Active Passive (SMAP) mission, spatial averages of point-scale soil moisture observations often fail to accurately capture the true average of the reference pixels. Therefore, some level of pixel-scale sampling error from in situ observations must be considered during the validation of SMAP soil moisture retrievals. Here, uncertainties in the SMAP core site average soil moisture (CSASM) due to spatial sampling errors are examined and their impact on CSASM-based SMAP calibration and validation metrics is discussed. The estimated uncertainty (due to spatial sampling limitations) of mean CSASM over time is found to be large, translating into relatively large sampling uncertainty levels for SMAP retrieval bias when calculated against CSASM. As a result, CSASM-based SMAP bias estimates are statistically insignificant at nearly all SMAP CVS. In addition, observations from temporary networks suggest that these (already large) bias uncertainties may be underestimated due to undersampled spatial variability. The unbiased root-mean-square error (ubRMSE) of CSASM is estimated via two approaches: classical sampling theory and triple collocation, both of which suggest that CSASM ubRMSE is generally within the range of 0.01–0.02 m3 m−3. Although limitations in both methods likely lead to underestimation of ubRMSE, the results suggest that CSASM captures the temporal dynamics of the footprint-scale soil moisture relatively well and is thus a reliable reference for SMAP ubRMSE calculations. Therefore, spatial sampling errors are revealed to have very different impacts on efforts to estimate SMAP bias and ubRMSE metrics using CVS data.
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 | 0,000 |
| 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 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 ».