Comparing Assimilation of Synthetic Soil Moisture Versus C‐Band Backscatter for Hyper‐Resolution Land Surface Modeling
Notice bibliographique
Résumé
Abstract This paper presents the assimilation of synthetic surface soil moisture retrievals and C‐band backscatter signal in a 100‐meter resolution version of the Canadian Land Data Assimilation System (CaLDAS) on footprint scale soil moisture with a time interval of three hours. The synthetic surface soil moisture map was generated by extrapolating a regression relationship between in situ measurements and open loop land surface model outputs based on the soil texture of a given pixel. The surface roughness was inverted from RADARSAT‐2 imagery using a modified Integral Equation Model (IEM) model. Three hourly synthetic backscatter maps were created from this surface roughness and the synthetic soil moisture. The Ensemble Kalman filter (EnKF) with bias correction was applied to mitigate the impact of nonlinear errors introduced by multi‐sourced perturbations. Both time series and spatial maps were examined in the evaluation of the assimilation experiments. Results show that the assimilation of backscatter is as effective as assimilating soil moisture retrievals although the later has slightly better temporal statistics. Compared to the open loop, both approaches improved the analysis of surface and root zone soil moisture with significantly lower bias. For the later, the open loop average bias was reduced from −1.25 vol/vol to 0.59 vol/vol by backscatter assimilation and to 0.41 vol/vol by soil moisture assimilation.
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 | 0,000 |
| 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 ».