Notice bibliographique
Résumé
Abstract. Advances in satellite Earth observation have opened up new opportunities for a global monitoring of soil moisture (SM) at fine to medium resolution, but satellite remote sensing can only measure the near-surface soil moisture (SSM). As such, it is critically important to examine the potential of satellite SSM measurements to derive the water resource variations in deeper subsurface. This study compares the SSM variability captured by the Soil Moisture Active and Passive (SMAP) satellite and the Soil Water Index (SWI) derived from SMAP SSM with subsurface SM and groundwater (GW) dynamics simulated by a high resolution fully-integrated surface water - groundwater model over an agriculturally-dominated watershed in eastern Canada across two spatial scales, namely SMAP product grid (9 km) and watershed (~4000 km2). SMAP measurements compare well with the hydrologic simulations in terms of SSM variability at both scales. Simulated subsurface SM and GW storage show lagged and smoother characteristics relative to SMAP SSM variability with an optimal delay of ~1 days for the 25â50 cm SM, ~6 days for the 50â100 cm SM, and ~11 days for the GW storage for both scales. Modelled subsurface SM dynamics agree well with the SWI derived from SMAP SSM using the classic characteristic time lengths (15 days for the 0â25 cm layer and 20 days for the 0â100 cm layer). The simulated GW storage showed a slightly delayed variation relative to the derived SWI. The quantified optimal characteristic time length Topt for SWI estimation (by matching the variations in SMAP-derived SWI and modeled root zone SM) is comparable to Topt obtained in other agricultural regions around the world. This work demonstrates SMAP SM measurements as a potentially useful aid when predicting root zone SM and GW dynamics and validating fully integrated hydrologic models across different spatial scales. This study also provides insights into the dynamics of near surface–subsurface water interaction and the capabilities and approaches of satellite-based SM monitoring and high resolution fully-integrated hydrologic modelling.
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 | 0,003 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,023 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,176 | 0,139 |
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 ».