MétaCan
Menu
Retour à la cohorte
Enregistrement W3043452502 · doi:10.5194/egusphere-egu2020-13213

Robust retrieval of surface soil moisture across wide-ranging incidence angles over short crops: for application to NI-SAR

2020· article· en· W3043452502 sur OpenAlexaboutno aff
Seung-Bum Kim, Tien-Hao Liao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater contentSynthetic aperture radarEnvironmental scienceSurface roughnessMoistureVegetation (pathology)Remote sensingRadarSoil scienceMeteorologyGeographyGeologyMaterials science

Résumé

récupéré en direct d'OpenAlex

We present our ongoing efforts to deliver surface soil moisture information at agricultural field scales using airborne or satellite synthetic aperture radar (SAR) data through the development and inversion of physical models for forward radar scattering from vegetation surfaces. While the past successful results were validated at 40-deg incidence angle for the Soil Moisture Active passive mission, the current work extends the incidence angle range from 30 to 50 degs so that the algorithm may apply to the future L-band NASA-ISRO SAR (NI-SAR) mission. NI-SAR aims at providing global soil moisture data at 200m resolution every 6 days. The soil moisture retrievals were validated over agriculture sites in Canadian Prairies using L-band airborne SAR data, where the fields experienced entire crop growth stages and two cycles of wetting and drydowns. The forward models were developed over NI-SAR’s incidence angle range of 30 to 50 degs for individual crops. The estimates are accurate to unbiased rmse of 0.053, 0.058 and 0.047 m3/m3 in volumetric water content for soybean, wheat, and pasture fields respectively over diverse conditions of vegetation growth and soil wetness. Surface roughness and vegetation amount were retrieved simultaneous to the soil moisture solutions. The roughness estimates are realistic. There was no significant effect of the local incidence angle on the retrieval performance, most likely because the path length of the radar wave through the vegetation (and therefore extinction of the soil moisture signal) did not vary much with incidence angle. The results are encouraging for successful soil moisture mapping for the NI-SAR mission.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,257
Écart entre enseignants0,238 · 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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil Moisture and Remote SensingTravaux en français237 207