New Approaches for Removing the Effect of Water Damping on SMAP Freeze/Thaw Mapping
Notice bibliographique
Résumé
<p>Le paysage du Nord du Québec comprend plusieurs lacs. La température de brillance (Tb) mesurée est dominée par la plus basse émissivité des surfaces d’eau. Ainsi, il est nécessaire d’éliminer cet artifact. L’objectif principal de cette étude est de proposer deux nouvelles approches pour corriger la température de brillance des produits SMAP L1C de l’effet atténuant des masses d’eau pours chacun des pixels de 36 km par 36 km d’images acquises entre janvier et décembre 2016. Le premier algorithme normalise les valeurs de Tb avec l’ordonnée à l’origine de sa régression linéaire par rapport à la fraction de l’eau dans chacun des pixels. Le second algorithme normalise par rapport à la fraction de l’eau par classe de couverture végétale. Pour valider les valeurs corrigées, nous avons utilisé des données de température et d’humidité du sol de sondes installées près d’Umiujaq. La correction proposée de Tb résout les divergences observées avec la correction SMAP de référence lorsque la proportion d’eau au sein d’un pixel dépasse 20%. Le gel/non gel du sol a ensuite été cartographié en utilisant le Rapport de polarisation normalisé. Une concordance jusqu'à 90% (orbite ascendant) et 79% (orbite descendant) a été obtenue par rapport à 64% et 50% pour l’approche de référence.</p><h2>Abstract</h2><p>The Northern Quebec landscape is typically covered by numerous lakes. The lowest emissivity of water bodies dominates the brightness temperature (Tb) data measured over this region. Thus, it is necessary to eliminate the effect of water bodies from Tb measurements. The primary objective of this study is to develop two approaches to correct the Soil Moisture Active Passive brightness temperature (SMAP L1C), collected between January and December of 2016, for the damping effect of water bodies within each 36 km by 36 km pixel. The first algorithm normalizes Tb with the intercept of its linear regression versus the water fraction of each pixel. A second algorithm used Tb regression with water fraction by vegetation classes for each scene. Surface soil temperature and moisture measured near Umiujaq were used to validate Tb correction. The proposed Tb corrections resolve the divergence observed with SMAP standard correction when the water fraction is higher than 20%. Corrected brightness temperature is then tested for mapping the soil freeze/thaw state using the Normalized Polarization Ratio. Agreements of up to 90% (ascending orbit) and 79% (descending orbit) were reached for the proposed approach versus 64% and 50% for the existing approach.</p>
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 | 0,001 | 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) | 0,000 | 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 ».