Parameterization of Vegetation Scattering Albedo in the Tau-Omega Model for Soil Moisture Retrieval on Croplands
Notice bibliographique
Résumé
An accurate radiative transfer model (RTM) is essential for the retrieval of soil moisture (SM) from microwave remote sensing data, such as the passive microwave measurements from the Soil Moisture Active Passive (SMAP) mission. This mission delivers soil moisture products based upon L-band brightness temperature data, via retrieval algorithms for surface and root-zone soil moisture, the latter is retrieved using data assimilation and model support. We found that the RTM based on the tau-omega (?-ω) model, can suffer from significant errors over croplands (in average between -9.4K and + 12.0K for Single Channel Algorithm SCA; -8K and + 9.7K for Dual-Channel Algorithm DCA) if the vegetation scattering albedo (omega) is treated as a constant and the temporal variations are not accounted. In order to reduce this uncertainty, we propose a time-varying parameterization of omega for the widely established zeroth order radiative transfer ?-ω model. The main assumption is that omega can be expressed by a functional relationship between vegetation optical depth (tau) and the Green Vegetation Fraction (GVF). The validation was performed from 14 May to 13 December 2015 over 61 Climate Reference Network sites (SCRN) classified as croplands. The application of the proposed time-varying vegetation scattering albedo results in a consistent improvement for the unbiased root mean square error of 16% for SCA and 15% for DCA. The reduction for positive and negative biases was 45% and 5% for SCA and 26% and 12% for DCA, respectively. This indicates that vegetation dynamics on croplands are better represented by a time-dynamic single scattering albedo.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».