MétaCan
Menu
Retour à la cohorte
Enregistrement W4225783004 · doi:10.1109/jstars.2021.3124743

Validation of Soil Moisture Data Products From the NASA SMAP Mission

2021· article· en· W4225783004 sur OpenAlexafffund
Andreas Colliander, Rolf H. Reichle, Wade T. Crow, Michael H. Cosh, Fan Chen, S. Chan, Narendra N. Das, Rajat Bindlish, Julián Chaubell, Seung-Bum Kim, Qing Liu, Peggy O’Neill, R. S. Dunbar, Land B. Dang, John S. Kimball, Thomas J. Jackson, Hala Khalid Al-Jassar, Jun Asanuma, Bimal K. Bhattacharya, Aaron Berg, David D. Bosch, Laura Bourgeau‐Chavez, Todd G. Caldwell, Jean‐Christophe Calvet, Chandra Holifield Collins, Karsten H. Jensen, Stan Livingston, Ernesto López-Baeza, José Martínez‐Fernández, Heather McNairn, Mahta Moghaddam, Carsten Montzka, Claudia Notarnicola, Thierry Pellarin, Isabella Pfeil, Jouni Pulliainen, Judith Ramos, M. S. Seyfried, Patrick J. Starks, Zhongbo Su, R. van der Velde, Yijian Zeng, M. Thibeault, Mariëtte Vreugdenhil, Jeffrey P. Walker, Mehrez Zribi, Dara Entekhabi, Simon Yueh

Notice bibliographique

RevueIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Guelph
Organismes subventionnairesCenter for Neuroscience and Regenerative MedicineInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementAgriculture and Agri-Food CanadaUniversidad de SalamancaComisión Nacional de Actividades EspacialesUniversidad Nacional Autónoma de MéxicoCentre National de la Recherche ScientifiqueJet Propulsion LaboratoryCentre National d’Etudes SpatialesUniversité de ToulouseUniversitat de ValènciaUniversity of TwenteMinisterio de Ciencia, Innovación y UniversidadesMonash UniversityUniversity of Texas at AustinCopenhagen Graduate School for Nanoscience and NanotechnologyNational Aeronautics and Space AdministrationU.S. Department of AgricultureEuropean Regional Development FundCalifornia Institute of TechnologyMassachusetts Institute of TechnologyAgricultural Research ServiceUniversity of Southern California
Mots-clésEnvironmental scienceRemote sensingMoistureWater contentAstrobiologyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

The National Aeronautics and Space Administration Soil Moisture Active Passive (SMAP) mission has been validating its soil moisture (SM) products since the start of data production on March 31, 2015. Prior to launch, the mission defined a set of criteria for core validation sites (CVS) that enable the testing of the key mission SM accuracy requirement (unbiased root-mean-square error <0.04 m3/m3). The validation approach also includes other (“sparse network”)in situSM measurements, satellite SM products, model-based SM products, and field experiments. Over the past six years, the SMAP SM products have been analyzed with respect to these reference data, and the analysis approaches themselves have been scrutinized in an effort to best understand the products’ performance. Validation of the most recent SMAP Level 2 and 3 SM retrieval products (R17000) shows that theL-band (1.4 GHz) radiometer-based SM record continues to meet mission requirements. The products are generally consistent with SM retrievals from the European Space Agency Soil Moisture Ocean Salinity mission, although there are differences in some regions. The high-resolution (3-km) SM retrieval product, generated by combining Copernicus Sentinel-1 data with SMAP observations, performs within expectations. Currently, however, there is limited availability of 3-km CVS data to support extensive validation at this spatial scale. The most recent (version 5) SMAP Level 4 SM data assimilation product providing surface and root-zone SM with complete spatio–temporal coverage at 9-km resolution also meets performance requirements. The SMAP SM validation program will continue throughout the mission life; future plans include expanding it to forested and high-latitude regions.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,241
Écart entre enseignants0,203 · 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

Citations181
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Selected Topics in Applied Earth Observations and Remote SensingMême sujetSoil Moisture and Remote SensingTravaux en français237 207