MétaCan
Menu
Retour à la cohorte
Enregistrement W2975910156 · doi:10.3390/rs11192227

Synthetic Aperture Radar (SAR) Compact Polarimetry for Soil Moisture Retrieval

2019· article· en· W2975910156 sur OpenAlexafffundabout
Amine Merzouki, Heather McNairn, Jarrett Powers, Matthew Friesen

Notice bibliographique

RevueRemote Sensing · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesCanadian Space Agency
Mots-clésWater contentEnvironmental scienceSynthetic aperture radarRemote sensingPolarimetryMoistureSoil scienceMeteorologyGeologyPhysicsScatteringOptics

Résumé

récupéré en direct d'OpenAlex

Soil moisture is a factor for risk analysis in the agricultural sector, yet access to temporally and spatially detailed data is challenging for much of the world’s agricultural extend. Significant effort has been focused on developing methodologies to estimate soil moisture from microwave satellite sensors. Canada’s RADARSAT Constellation Mission (RCM) is capable of acquiring imagery in a number of modes with a Compact Polarimetry (CP) configuration at different spatial resolutions (1 to 100 m). RCM offers greater polarization diversity, wide swaths and improved temporal frequency (4-day exact revisit time); all important considerations for large area monitoring of agricultural resources. The major goal of this study was to examine whether CP could accurately estimate surface soil moisture over bare fields. A methodology was developed using the calibrated Integral Equation Model (IEM) multi-polarization inversion approach. RADARSAT-2 data was acquired between 2012 and 2017 over a test site in eastern Canada. CP backscatter for two RCM modes (medium resolution 30 m and 50 m (MR30 and MR50)) was simulated using 63 RADARSAT-2 fully polarimetric images. A simple transfer function was developed between RH (right circular-horizontal) and HH (horizontal-horizontal) intensity, as well as RV (right circular-vertical) and VV (vertical-vertical). These HH- and VV-like intensities were then used in the multi-polarization inversion scheme to retrieve soil moisture. CP soil moisture retrievals were validated against soil moisture measurements from a long term in-situ network instrumented with five soil moisture stations. Retrieved and measured soil moisture were well correlated (R > 0.70) with an unbiased root mean square error (ubRMSE) less than 0.06 m3/m3. Overall, the developed method clearly captured the dry down and wetting trends observed through the five years study period. However, results demonstrated that the inversion method introduced a consistent bias (~0.10 m3/m3). Comparison of CP soil moisture estimates to those from the Soil Moisture Active Passive (SMAP) passive microwave satellite confirmed this bias. This study demonstrates the potential of C-band CP data to deliver accurate soil moisture products over wide swaths for regional and national soil moisture monitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,541
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetSoil Moisture and Remote SensingTravaux en français237 207