Retrieving forest soil moisture from SMAP observations considering a microwave polarization difference index (MPDI) to τ-ω model
Notice bibliographique
Résumé
Estimating soil moisture from microwave brightness temperature is extremely challenging in densely vegetated areas. The soil moisture retrieved from the Soil Moisture Active Passive (SMAP) measurements tends to be consistently overestimated, sometimes exceeding the saturation level of mineral soils. Therefore, the retrieved soil moisture cannot detect or monitor climate extremes, such as floods and droughts for forests, natural resource management, and climate change research. We hypothesize that the main issue is that the scattering albedo (ω) and the optical depth (τ) are parameterized solely with NDVI (Normalized Difference Vegetation Index), neglecting the polarization characteristics from vegetation structure. This study proposes a weighting factor between scattering and optical thickness, a function of MPDI (Microwave Polarization Difference Index), and applies it to both parameters simultaneously to increase the scattering effect and decrease the attenuation effect in high MPDI. The validation results based on the Climate Reference Network revealed that considering MPDI is critical in reducing soil moisture overestimation errors and obtaining more accurate soil moisture over forested regions. This results in correlation improving from 0.36 to 0.44, a decrease in ubRMSE from 0.179 to 0.125 cm³cm − ³, and bias lowering from 0.127 to 0.060 cm³cm − ³ in comparison with the SMAP measurements over forested regions. • Optical depth increases with high NDVI and low MPDI. • Scattering albedo increases with high NDVI and high MPDI. • Increasing scattering albedo decreases brightness temperature in forward simulation. • Decreased brightness temperature in simulation resolved overestimation of SMAP SM. • L-band (1.4 GHz) radiometer measurements can assess forest soil moisture (SM).
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».