Comparing Assimilation of Soil Moisture and C-band Backscatter in High Resolution Land Surface Model
Notice bibliographique
Résumé
Canadian Space Agency (CSA) has recently started receiving and processing the images from the recently launched C-band RADARSAT Constellation Mission (RCM). The backscatter and soil moisture retrievals products from the previously launched RADARSAT-2 agree well with both in-situ measurements and surface soil moisture modeled with land surface model Soil, Vegetation, and Snow (SVS). RCM will provide those products at an even better spatial coverage and temporal resolution. In preparation of the potential operational application of RCM products in Canadian Meteorological Center (CMC), this paper presents the scenarios of assimilating either soil moisture retrieval or outright backscatter signal in a 100-meter resolution version of the Canadian Land Data Assimilation System (CaLDAS) on field scale with time interval of three hours. The soil moisture retrieval map was synthesized by extrapolating the regression relationship between in-situ measurements and open loop model output based on soil texture lookup table. Based on this, the backscatter map was then generated with the surface roughness retrieved from RADARSAT-2 images using a modified Integral Equation Model (IEM) model. Bias correction was applied to the Ensemble Kalman filter (EnKF) to mitigate the impact of nonlinear errors introduced by multi-sourced perturbations. Initial results show that the assimilation of backscatter is as effective as assimilating soil moisture retrievals. Compared to open loop, both can improve the analysis of surface moisture, particularly in terms of reducing bias.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».