Validation of baseline and modified Sentinel-2 Level 2 Prototype Processor leaf area index retrievals over the United States
Notice bibliographique
Résumé
The Sentinel-2 Level 2 Prototype Processor (SL2P) is made available to users for the retrieval of vegetation biophysical variables including leaf area index (LAI) from Multispectral Instrument (MSI) data within the Sentinel Application Platform (SNAP). A limited number of validation exercises have indicated SL2P LAI retrievals frequently meet user requirements over agricultural environments, but perform comparatively poorly over heterogeneous canopies such as forests. Recently, a modified version of SL2P was developed, using the directional area scattering factor (DASF) to constrain retrievals as an alternative to regularisation (SL2P-D). Whilst SL2P makes use of prior information on expected canopy conditions, SL2P-D is trained using uniform distributions of input parameters to define radiative transfer model (RTM) simulations. Using in situ measurements available through the Copernicus Ground Based Observations for Validation (GBOV) service, we performed an extensive validation of SL2P and SL2P-D LAI retrievals over 19 sites throughout the United States. For effective LAI (LAIe), SL2P demonstrated good overall performance (RMSD = 0.50, NRMSD = 31%, bias = −0.10), with all LAI retrievals meeting the Sentinels for Science (SEN4SCI) uncertainty requirements over homogeneous canopies (cultivated crops, grasslands, pasture/hay and shrub/scrub), whilst underestimation occurred over heterogeneous canopies (deciduous forest, evergreen forest, mixed forest, and woody wetlands). SL2P-D retrievals demonstrated reduced bias, slightly improving overall performance when compared with SL2P (RMSD = 0.48, NRMSD = 30%, bias = −0.05), indicating its retrieval approach appears to offer some advantages over regularisation using prior information, especially at LAIe > 3. Additionally, SL2P-D resulted in 32% more valid retrievals than SL2P, with the largest differences observed at LAIe < 1. Validation against in situ measurements of LAI as opposed to LAIe yielded similar patterns but poorer performance (RMSD = 1.08 to 1.13, NRMSD = 49% to 52%, bias = −0.64 to −0.68) because the RTM used by SL2P and SL2P-D does not account for foliage clumping. In addition to the retrievals themselves, we examined the relationship between predicted uncertainties and observed differences in retrieved and in situ LAI. With respect to LAIe, SL2P’s predicted uncertainties were conservative, underestimating observed differences in only 35% of cases, whilst those for LAI were unbiased.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».