MétaCan
Menu
Retour à la cohorte
Enregistrement W4205814854 · doi:10.24215/1850468xe001

ESTIMACIÓN DE LA HUMEDAD SUPERFICIAL DEL SUELO MEDIANTE DATOS SAR EN BANDA X

2021· article· es· W4205814854 sur OpenAlexaff
Héctor Salgado, Stella Maris Zabala, Catalina Romay, Monique Bernier, Andrés Jácome, Karem Chokmani

Notice bibliographique

RevueMeteorologica · 2021
Typearticle
Languees
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsGeographyMathematicsArt

Résumé

récupéré en direct d'OpenAlex

El objetivo de este estudio es la estimación y el mapeo de la humedad del suelo a partir de imágenes Cosmo-Skymed (Banda X), adquiridas sobre una cuenca agrícola situada en el centro de la provincia de Buenos Aires, Argentina (Latitud: 37°S; Longitud: 60°W aproximadamente). Se emplea una aproximación empírica, mediante correlación entre el coeficiente de retrodispersión (sigma_0) y las mediciones de humedad del suelo (HS), obtenidas simultáneamente con el pasaje satelital. La humedad volumétrica superficial (0 a 10 cm) del suelo fue medida mediante el método gravimétrico en 15 parcelas agrícolas (sitios). La relación lineal entre la retrodispersión de la señal radar (sigma_0) y las mediciones de HS [HS( %) = b+a.sigma_0(dB)] presenta diversos coeficientes y ajustes (r2), dependiendo de la dirección orbital y la polarización (desde r2 = 0, 28 para datos VV Ascendente hasta r2 = 0, 69 para HH Descendente). Aplicando las ecuaciones correspondientes, las imágenes se transformaron de sigma_0 a HS( %), obteniendo los mapas de HS (para cada polarización y tipo de órbita). Se realizó una validación cruzada entre datos de HS medida vs. estimada, calculando el Error Cuadrático Medio (RMSE) y el Error Medio Cuadrático Normalizado (NMSE). Los mejores resultados se obtuvieron con las imágenes Descendentes, con 6,3% < RMSE < 6,9% y 1,6 < NMSE < 2,0 %. Se comparan los resultados con otras experiencias, y se plantean expectativas futuras.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,260
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeteorologicaMême sujetSoil Moisture and Remote SensingTravaux en français237 207