Retrieval of Surface Soil Moisture over Wheat Fields during Growing Season Using C-Band Polarimetric SAR Data
Notice bibliographique
Résumé
Accurate estimation and regular monitoring of soil moisture is very important for many agricultural, hydrological, or climatological applications. Our objective was to evaluate potential contributions of polarimetry to soil moisture estimation during crop growing cycles using RADARSAT-2 C-band images. The research focused on wheat field data collected during Soil Moisture Active Passive Validation Experiment (SMAPVEX12) conducted in 2012 in Manitoba (Canada). A sensitivity analysis was performed to select the most relevant non-polarimetric and polarimetric variables extracted from RADARSAT-2, and statistical models were developed to estimate soil moisture. In fine, three models were developed and validated: a non-polarimetric model based on cross-polarized backscattering coefficient σHV0; a polarimetric mixed model using six polarimetric and non-polarimetric retained variables after the sensitivity analysis; and a simplified polarimetric mixed model considering only the phase difference (ϕHH−VV) and the co-polarized backscattering coefficient σHH0. The validation reveals significant positive contributions of polarimetry. It shows that the non-polarimetric model has a much larger error (RMSE = 0.098 m3/m3) and explains only 19% of observed soil moisture variation compared to the polarimetric mixed model, which has an error of 0.087 m3/m3, with an explained variance of 44%. The simplified model has the lowest error (0.074 m3/m3) and explains 53.5% of soil moisture variation.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».