Cross-Evaluation of Soil Moisture Based on the Triple Collocation Method and a Preliminary Application of Quality Control for Station Observations in China
Notice bibliographique
Résumé
Soil moisture (SM) measurements from ground stations are often after quality control (QC) in the operational system, but the QC flags may not be reliable in some cases when precipitation events or manual watering happen. This study applies the triple collocation (TC) method to conduct a cross-evaluation of SM data from ERA5 reanalysis estimates, ESA-CCI estimates, and ~2000 ground stations across the China domain. The results show that all datasets can capture the spatial pattern of SM in China. TC-based correlation coefficient (CC) and root mean square error (RMSE) show that the station data have worse performance in western and central China. For most stations, TC-based CC is between 0.6~0.9, and TC-based RMSE is between 0.01~0.06 m3/m3. In addition, TC-based metrics show good agreement with the CC between precipitation and SM, indicating that these metrics can reflect the quality of station data. We further selected typical stations (e.g., CC ≤ 0.2, RMSE ≥ 0.06 m3/m3) to check the quality of the QC procedure. The comparison shows that TC-based metrics can better represent the actual quality for these stations compared to raw QC flags. This study indicates that TC has the potential to detect problematic stations and could be a supplement to traditional QC of station observations.
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 | 0,002 | 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 ».