Microwave-based vegetation descriptors in the parameterization of water cloud model at L-band for soil moisture retrieval over croplands
Notice bibliographique
Résumé
Synthetic aperture radar (SAR) data have significant potential for soil moisture monitoring because of their high spatial resolution and independence from cloud coverage. However, it is challenging to retrieve soil moisture from SAR data over vegetated areas, as vegetation significantly affects backscattered radar signals. Auxiliary vegetation information obtained from optical images, such as the normalized difference vegetation index (NDVI) and the leaf area index (LAI), is commonly used to correct vegetation effects. However, it is generally difficult to obtain SAR and optical data in the same area simultaneously, because of the discrepancies in satellite coverage and the effects of cloud coverage. This study focuses on whether vegetation descriptors obtained directly from radar data at L-band can adequately parameterize the semi-empirical backscattering water cloud model (WCM) to support soil moisture retrieval. Four vegetation descriptors (three based on radar images and one based on optical images), were chosen to assess the parameterization and calibration of the WCM and the retrieval accuracy of soil moisture. The results showed that the vegetation descriptor of backscattering at VH polarization outperformed the other three vegetation descriptors (NDVI-derived vegetation water content, radar vegetation index, and the ratio of cross-polarization to VV polarization) in the investigation of four crop types (canola, corn, bean, and wheat) based on the Soil Moisture Active Passive Validation Experiment in 2012 (SMAPVEX12) in Canada. For the vegetation descriptor of VH, the overall accuracy of retrieved soil moisture was promising by separating into two growth stages, with unbiased root mean squared errors of 0.056, 0.053, 0.098, and 0.079 cm3/cm3 for canola, corn, bean, and wheat, respectively. The results also confirmed that variations in vegetation growth affect the accuracy of soil moisture retrieval. In addition, the retrieval performance was undermined when the vegetation changed dramatically, leading to variations or uncertainty in the vegetation structure. This study provides new insights into soil moisture retrieval methods with active L-band microwave observations.
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 | 0,001 |
| 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 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 ».