UAV hyperspectral imaging for multiscale assessment of Landsat 9 snow grain size and albedo
Notice bibliographique
Résumé
Snow albedo, a measure of the amount of solar radiation that is reflected at the snow surface, plays a critical role in Earth’s climate and in regional hydrology because it is a primary driver of snowmelt timing. Satellite multi-spectral remote sensing provides a multi-decade record of land surface reflectance, from which snow albedo can be retrieved. However, this observational record is challenging to assess because discrete in situ observations are not well suited for validation of snow properties at the spatial resolution of satellites (tens to hundreds of meters). For example, snow grain size, a primary driver of snow albedo, can vary at the sub-meter scale driven by changes in aspect, elevation, and vegetation. Here, we present a new uncrewed aerial vehicle hyperspectral imaging (UAV-HSI) method for mapping snow surface properties at high resolution (20 cm). A Resonon near-infrared HSI was flown on a DJI Matrice 600 Pro over the meadow encompassing Swamp Angel Study Plot in Senator Beck Basin, Colorado. Using a radiative transfer forward modeling approach, effective snow grain size and albedo maps were produced from measured surface reflectance. Coincident ground observations were used for validation; relative to retrievals from a field spectrometer the mean grain size difference was 2 μm, with an RMSE of 12 μm, and the mean broadband albedo was within 1% of that measured near the center of the flight area. Even though the snow surface was visually homogenous, the maps showed spatial variability and coherent patterns in the freshly fallen snow. To demonstrate the potential for UAV-HSI to be used to improve validation of satellite retrievals, the high-resolution maps were used to assess grain size and albedo retrievals, and subpixel variability, across 17 Landsat 9 OLI pixels from a satellite overpass with similar conditions two days following the flight. Although Landsat 9 did not capture the same range of values and spatial variability as the UAV-HSI, on average the comparison showed good agreement, with a mean grain size difference of 9 μm and the same broadband albedo (86%).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».