Observed response of microwave land surface emissivity to antecedent rainfall in Hainan Island
Notice bibliographique
Résumé
Microwave emissivity is an important parameter for over-land retrieval of atmospheric variables such as water vapour, rainfall, and snowfall. However, it remains unclear for the dynamic response of multi-frequency microwave emissivity to prior rainfall over heterogeneous land surfaces. This study combined multi-frequency Microwave Land Surface Emissivity (MLSE) under all-weather conditions with hourly in-situ rainfall to investigate the response of MLSE to rainfall over different vegetation types in Hainan Island in China. Specifically, we explored the change of MLSE at 6.925, 10.65, 18.7, 23.8 and 36.5 Ghz to rainfall intensity in four rainfall cases, followed with statistical characteristics of MLSE to rainfall and dry duration (DD) across different vegetation types during 2003–2010. We found that the magnitude of decline in MLSE (0.004–0.06) is dependent on the rainfall intensity and duration, and the reduction caused by short-lasting heavy rain (daily rainfall >100 mm) was 2–6 times higher than that by light long-lasting rain (daily rainfall <80 mm). Among different microwave frequencies, the MLSE at 23.8 Ghz was most reduced by rainfall, while less reduction was found at low microwave frequencies such as at 6.925 and 10.65 Ghz. More importantly, the change of MLSE after rainfall was significantly different among vegetation types. Over woody savannas and forested lands, MLSE slightly decreased (about 0.004) in the first two hours of DD, whereas a rapid increase was observed in the first hour of DD over areas dominated with woody savanna, grassland, and cropland. These findings improve our understanding of the multi-frequency MLSE in response to rainfall over complex land surfaces, and benefit the microwave retrieval of rainfall over land.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».