Sensitivity of C-Band SAR Polarimetric Variables to the Directionality of Surface Roughness Parameters
Notice bibliographique
Résumé
Surface roughness is an important factor in many soil moisture retrieval models. Therefore, any mischaracterization of surface roughness parameters (root mean square height, RMSH, and correlation length, ʅ) may result in unreliable predictions and soil moisture estimations. In many environments, but particularly in agricultural settings, surface roughness parameters may show different behaviours with respect to the orientation or azimuth. Consequently, the relationship between SAR polarimetric variables and surface roughness parameters may vary depending on measurement orientation. Generally, roughness obtained for many SAR-based studies is estimated using pin profilers that may, or may not, be collected with careful attention to orientation to the satellite look angle. In this study, we characterized surface roughness parameters in multi-azimuth mode using a terrestrial laser scanner (TLS). We characterized the surface roughness parameters in different orientations and then examined the sensitivity between polarimetric variables and surface roughness parameters; further, we compared these results to roughness profiles obtained using traditional pin profilers. The results showed that the polarimetric variables were more sensitive to the surface roughness parameters at higher incidence angles (θ). Moreover, when surface roughness measurements were conducted at the look angle of RADARSAT-2, more significant correlations were observed between polarimetric variables and surface roughness parameters. Our results also indicated that TLS can represent more reliable results than pin profiler in the measurement of the surface roughness parameters.
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 | 0,001 |
| 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 ».