Comparing the Assimilation of SMOS Brightness Temperatures and Soil Moisture Products on Hydrological Simulation in the Canadian Land Surface Scheme
Notice bibliographique
Résumé
Soil moisture is a key variable used to describe water and energy exchanges at the land surface/atmosphere interface. Therefore, there is widespread interest in the use of soil moisture retrievals from passive microwave satellites. In the assimilation of satellite soil moisture data into land surface models, two approaches are commonly used. In the first approach brightness temperature (TB) data are assimilated, while in the second approach retrieved soil moisture (SM) data from the satellite are assimilated. However, there is not a significant body of literature comparing the differences between these two approaches, and it is not known whether there is any advantage in using a particular approach over the other. In this study, TB and SM L2 retrieval products from the Soil Moisture and Ocean Salinity (SMOS) satellite are assimilated into the Canadian Land Surface Scheme (CLASS), for improved soil moisture estimation over an agricultural region in Saskatchewan. CLASS is the land surface component of the Canadian Earth System Model (CESM), and the Canadian Seasonal and Interannual Prediction System (CanSIPS). Our results indicated that assimilating the SMOS products improved the soil moisture simulation skill of the CLASS. Near surface soil moisture assimilation also resulted in improved forecasts of root zone soil moisture (RZSM) values. Although both techniques resulted in improved forecasts of RZSM, assimilation of TB resulted in the superior estimates.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».