The Impact of Sentinel-1-Corrected Fractal Roughness on Soil Moisture Retrievals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fractals are widely recognized as one of the best geometric models to depict soil roughness on various scales from tillage to micro-topography smaller than radar wavelength. However, most fractal approaches require an additional geometric description of experimental sites to be analysed by existing radiative transfer models. For example, fractal dimension or spectral parameter is often related to root-mean-square (RMS) height to be characterized as the microwave surface. However, field measurements hardly represent multi-scale roughness. In this study, we rescaled Power Spectral Density with Synthetic Aperture Radar (SAR)-inverted rms height, and estimated non-stationary fractal roughness to accommodate multi-scale roughness into a radiative transfer model structure. As a result, soil moisture was retrieved over the Yanco site in Australia. Local validation shows that the Integral Equation Model (IEM) poorly simulated backscatters using inverted roughness as compared to fractal roughness even in anisotropic conditions. This is considered due to a violation of time-invariance assumption used for inversion. Spatial analysis also shows that multi-scale fractal roughness better illustrated the hydrologically reasonable backscattering partitioning, as compared to inverted roughness. Fractal roughness showed a greater contribution of roughness to backscattering in dry conditions. Differences between IEM backscattering and measurement were lower, even when the isotropic assumption of the fractal model was violated. In wet conditions, the contribution of soil moisture to backscattering was shown more clearly by fractal roughness. These results suggest that the multi-scale fractal roughness can be better adapted to the IEM even in anisotropic conditions than the inversion to assume time-invariance of roughness.
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.
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 | 0,000 | 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 découle