MétaCan
Menu
Retour à la cohorte
Enregistrement W2998759919 · doi:10.1175/jhm-d-19-0122.1

Effect of Rainfall Events on SMAP Radiometer-Based Soil Moisture Accuracy Using Core Validation Sites

2020· article· en· W2998759919 sur OpenAlexafffund
Andreas Colliander, Thomas J. Jackson, Aaron Berg, David D. Bosch, Todd G. Caldwell, S. Chan, Michael H. Cosh, Chandra Holifield Collins, José Martínez‐Fernández, Heather McNairn, John H. Prueger, Patrick J. Starks, Jeffrey P. Walker, Simon Yueh

Notice bibliographique

RevueJournal of Hydrometeorology · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEuropean Regional Development FundCanadian Space AgencyJet Propulsion LaboratoryNational Aeronautics and Space AdministrationU.S. Department of AgricultureMinisterio de Ciencia, Innovación y UniversidadesCalifornia Institute of TechnologyEnvironment and Climate Change Canada
Mots-clésEnvironmental scienceRadiometerWater contentPrecipitationMoistureMicrowave radiometerMean squared errorAtmospheric sciencesMeteorologyRemote sensingGeologyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Soil moisture retrieval is particularly challenging during and immediately after precipitation events because of the transient movement of water in the shallow subsurface. Conventional L-band microwave radiometer–based soil moisture products use algorithms that assume a static state and a constant vertical soil moisture distribution. This study assessed the retrieval performance of a SMAP radiometer-based soil moisture product during and immediately after rain events. The removal of the rain event samples systematically improved the unbiased root-mean-square error (ubRMSE) from 0.037 (all measurements) to 0.028 m3 m−3 (transitory measurements screened out), while the magnitude of the bias became larger (from −0.005 to −0.014 m3 m−3); RMSE improved from 0.047 to 0.042 m3 m−3, and the Pearson correlation saw a minor positive change from 0.813 to 0.824. The results indicate that removing samples during the transitional period causes the comparison to improve, but also suggests that the true bias may be larger than the one estimated using all the samples. Furthermore, the results revealed that the effect was stronger for areas with high clay content. An assessment of the performance of the product during the rain events (overpass within 3 h from the start of the rain) showed that the ubRMSE degraded from the benchmarked 0.036 m3 m−3 (during no rain events at all) to 0.043 m3 m−3 (during rain). The results also showed that the bias became wetter, which is expected because SMAP sensed the water on the surface before propagating to the in situ sensors. SMAP maintains its soil moisture sensitivity even during rain events and screening of rain events may not be necessary to ensure sufficient soil moisture retrieval quality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,282
Écart entre enseignants0,255 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations19
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of HydrometeorologyMême sujetSoil Moisture and Remote SensingTravaux en français237 207