Soil moisture retrieval using L-band time-series SAR data from the SMAPVEX12 experiment
Notice bibliographique
Résumé
The algorithms for retrieving soil moisture contents within the top 5 cm of the soil using the L-band multipolarized radar data from the future Soil Moisture Active and Passive (SMAP) mission were applied to the data sets obtained by the recent aircraft field campaign in Winnipeg Canada in 2012 (SMAPVEX12), and the algorithm performance was evaluated. Two algorithms are: the time-series inversion of radar scattering forward models data-cubes and the change detection method. The SMAPVEX12 data sets include airborne synthetic aperture radar (SAR) data and ground-based measurements of soil and vegetation. These data were collected over fields with diverse crops and a wide range of moisture and vegetation conditions. In general, volumetric soil moisture and backscattering coefficients showed a positive relationship and the vegetation effects were significant for corn and beans. Assessed over all available fields of corn, beans, pasture, and wheat, the datacube time-series inversion resulted in a retrieval rmse of 0.050 to 0.090 cm3/cm3, and correlations of 0.5 to 0.9. Compared with the change detection approach, the data-cube inversion performed better in the presence of significant vegetation growth.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».