MétaCan
Menu
Retour à la cohorte
Enregistrement W3082446116 · doi:10.3390/rs12172835

Validation of Sentinel-3A Based Lake Level over US and Canada

2020· article· en· W3082446116 sur OpenAlexaboutno aff
Karina Nielsen, Ole Andersen, Heidi Ranndal

Notice bibliographique

RevueRemote Sensing · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Space Agency
Mots-clésPearson product-moment correlation coefficientEnvironmental scienceSatelliteMean squared errorOutlierPhysical geographyStatisticsClimatologyRemote sensingMeteorologyGeographyGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

Satellite altimetry is an important contributor for measuring the water level of continental water bodies. The technique has been applied for almost three decades. In this period the data quality has increased and the applications have evolved from the study of a few large lakes and rivers, to near global applications at various scales. Products from current satellite altimetry missions should be validated to continuously improve the measurements. Sentinel-3A has been operating since 2016 and is the first mission operating in synthetic aperture radar (SAR) mode globally. Here we evaluate its performance in capturing lake level variations based on a physical and an empirical retracker provided in the official level 2 product. The validation is performed for more than 100 lakes in the United States and Canada where the altimetry based water levels are compared with in situ data. As validation measures we consider the root mean squared error, the Pearson correlation, and the percentage of outliers. For the US sites the median of the RMSE value is 25 cm and 19 cm and the median of the Pearson correlations are 0.86 and 0.93 for the physical and empirical retracker, respectively. The percentage of outliers (median) is 11% for both retrackers. The validations measures are slightly poorer for the Canadian sites; the median RMSE is approximately 5 cm larger, the Pearson correlation 0.1 lower, and the percentage of outliers 5% larger. The poorer performance for the Canadian sites is mainly related to the presence of lake ice in the winter period where the surface elevations are not able to map the surface correctly. The validation measures improve considerably when evaluated for summer data only. For both areas we show that the reconstruction of the water level variations based on the empirical retracker is significantly better compared to that of the physical retracker in terms of the RMSE and the Pearson correlation.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,757
Score d'incertitude au seuil0,780

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 Opus0,017
Tête enseignante GPT0,216
Écart entre enseignants0,199 · 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'étudeSimulation ou modélisation
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

Citations31
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetFlood Risk Assessment and ManagementTravaux en français237 207