MétaCan
Menu
Retour à la cohorte
Enregistrement W4402490360 · doi:10.5194/essd-16-3993-2024

Satellite-based near-real-time global daily terrestrial evapotranspiration estimates

2024· article· en· W4402490360 sur OpenAlexaff
Lei Huang, Yong Luo, Jing M. Chen, Qiuhong Tang, Tammo S. Steenhuis, Wei Cheng, Wen Shi

Notice bibliographique

RevueEarth system science data · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésEvapotranspirationSatelliteEnvironmental scienceRemote sensingClimatologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. Accurate and timely global evapotranspiration (ET) data are crucial for agriculture, water resource management, and drought forecasting. Although numerous satellite-based ET products are available, few offer near-real-time data. For instance, products like NASA's ECOsystem Spaceborne Thermal Radiometer Experiment mounted on the International Space Station (ECOSTRESS) and MOD16 face challenges such as uneven coverage and delays exceeding 1 week in data availability. In this study, we refined the Variation of the Standard Evapotranspiration Algorithm (VISEA) by fully integrating satellite-based data, e.g., European Centre for Medium-Range Weather Forecasts ERA5-Land shortwave radiation (which includes satellite remote sensing data within its assimilation system) and MODIS land surface data (which include surface reflectance, temperature and/or emissivity, land cover, vegetation indices, and albedo as inputs). This enables VISEA to provide near-real-time global daily ET estimates with a maximum delay of 1 week at a resolution of 0.05°. Its accuracy was assessed globally using observation data from 149 flux towers across 12 land cover types and comparing them with five other satellite-based ET products and Global Precipitation Climatology Centre (GPCC) data. The results indicate that VISEA provides accurate ET estimates that are comparable to existing products, achieving a mean correlation coefficient (R) of about 0.6 and an RMSE of 1.4 mm d−1. Furthermore, we demonstrated VISEA's utility in drought monitoring during a drought event in the Yangtze River basin in 2022 in which ET changes correlated with precipitation. The near-real-time capability of VISEA is, thus, especially valuable in meteorological and hydrological applications for coordinating drought relief efforts. The VISEA ET dataset is available at https://doi.org/10.11888/Terre.tpdc.300782 (Huang, 2023a).

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,507
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,254
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth system science dataMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207