Advancing Field-Based GNSS Surveying for Validation of Remotely Sensed Water Surface Elevation Products
Notice bibliographique
Résumé
To advance monitoring of surface water resources, new remote sensing technologies including the forthcoming Surface Water and Ocean Topography (SWOT) satellite (expected launch 2022) and its experimental airborne prototype AirSWOT are being developed to repeatedly map water surface elevation (WSE) and slope (WSS) of the world’s rivers, lakes, and reservoirs. However, the vertical accuracies of these novel technologies are largely unverified; thus, standard and repeatable field procedures to validate remotely sensed WSE and WSS are needed. To that end, we designed, engineered, and operationalized a Water Surface Profiler (WaSP) system that efficiently and accurately surveys WSE and WSS in a variety of surface water environments using Global Navigation Satellite Systems (GNSS) time-averaged measurements with Precise Point Positioning corrections. Here, we present WaSP construction, deployment, and a data processing workflow. We demonstrate WaSP data collections from repeat field deployments in the North Saskatchewan River and three prairie pothole lakes near Saskatoon, Saskatchewan, Canada. We find that WaSP reproducibly measures WSE and WSS with vertical accuracies similar to standard field survey methods [WSE root mean squared difference (RMSD) ∼8 cm, WSS RMSD ∼1.3 cm/km] and that repeat WaSP deployments accurately quantify water level changes (RMSD ∼3 cm). Collectively, these results suggest that WaSP is an easily deployed, self-contained system with sufficient accuracy for validating the decimeter-level expected accuracies of SWOT and AirSWOT. We conclude by discussing the utility of WaSP for validating airborne and spaceborne WSE mappings, present 63 WaSP in situ lake WSE measurements collected in support of NASA’s Arctic-Boreal and Vulnerability Experiment, highlight routine deployment in support of the Lake Observation by Citizen Scientists and Satellites project, and explore WaSP utility for validating a novel GNSS interferometric reflectometry LArge Wave Warning System.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».