MétaCan
Menu
Retour à la cohorte
Enregistrement W3023946652 · doi:10.3390/rs12091455

Evaluation of Satellite-Derived Surface Soil Moisture Products over Agricultural Regions of Canada

2020· article· en· W3023946652 sur OpenAlexafffundabout
Muhammad Yaasiin Oozeer, Christopher G. Fletcher, Catherine Champagne

Notice bibliographique

RevueRemote Sensing · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Waterloo
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésEnvironmental scienceWater contentSatelliteRemote sensingGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Soil moisture is a critical indicator for climate change and agricultural drought, but its measurement is challenging due to large variability with land cover, soil type, time, space and depth. Satellite estimates of soil moisture are highly desirable and have become more widely available over the past decade. This study investigates and compares the performance of four surface soil moisture satellite datasets over Canada, namely, Soil Moisture and Ocean Salinity Level 3 (SMOS L3), versions 3.3 and 4.2 of European Space Agency Climate Change Initiative (ESA CCI) soil moisture product and a recent product called SMOS-INRA-CESBIO (SMOS-IC) that contains corrections designed to reduce several known sources of uncertainty in SMOS L3. These datasets were evaluated against in situ networks located in mostly agricultural regions of Canada for the period 2012 to 2014. Two statistical comparison methods were used, namely, metrics for mean soil moisture and median of metrics. The results suggest that, while both methods show similar comparisons for regional networks, over large networks, the median of metrics method is more representative of the overall correlation and variability and is therefore a more appropriate method for evaluating the performance of satellite products. Overall, the SMOS products have higher daily temporal correlations, but larger biases, against in situ soil moisture than the ESA CCI products, with SMOS-IC having higher correlations and smaller variability than SMOS L3. The SMOS products capture daily wetting and drying events better than the ESA CCI products, with the SMOS products capturing at least 75% of observed drying as compared to 55% for the ESA CCI products. Overall, for periods during which there are sufficient observations, both SMOS products are more suitable for agricultural applications over Canada than the ESA CCI products, even though SMOS-IC is able to capture soil moisture variability more accurately than SMOS L3.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,283
Score d'incertitude au seuil0,788

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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,220
Écart entre enseignants0,198 · 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.

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

Citations13
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetSoil Moisture and Remote SensingTravaux en français237 207