A comprehensive evaluation of satellite-based and reanalysis soil moisture products over the upper Blue Nile Basin, Ethiopia
Notice bibliographique
Résumé
Soil moisture data is crucial for enhancing drought monitoring, optimizing water management, refining irrigation schedules, forecasting floods, and understanding climate change impacts. Despite the existence of long-term global satellite and reanalysis products, the performance of global satellite products in Ethiopia is underexplored, highlighting a need for comprehensive assessments to effectively utilize these resources and address critical environmental challenges. This research evaluates various operational satellites and reanalysis soil moisture datasets over the Gilgel Abay watershed. The datasets include the European Space Agency's Climate Change Initiative Soil Moisture (ESA-CCI SM), Soil Moisture and Ocean Salinity (SMOS), NASA's Soil Moisture Active Passive mission (SMAP Enhanced), the European Centre for Medium-Range Weather Forecasts Fifth Generation Reanalysis (ECMWF ERA5), Climate Forecast System reanalysis (CFSRv2), NASA's Short-term Prediction Research and Transition Center - Land Information System (SPoRT-LIS), and NASA's Global Land Data Assimilation System (GLDAS). After applying bias correction, the Kolmogorov-Smirnov two-sample t-tests, Bonferroni correction, and statistical error metrics, the evaluation reveals that all products, except NASA-GLDAS, effectively capture soil moisture dynamics. SMAP shows superior temporal dynamics, followed by SMOS, ESA-CCI, CFSRv2, LIS and ERA5. Using Spearman's rank correlation coefficient (r s ), SMAP (r s = 0.68) and SMOS (r s = 0.67) identified as the most accurate soil moisture products, with SMOS excelling in spatial representation and closely aligning with the Topographic Wetness Index (TWI). However, the lack of sufficient in situ monitoring networks limits the ability to perform a thorough evaluation. Establishing these networks is essential for improving satellite retrievals and modelling in the upper Blue Nile Basin, Ethiopia. • The research critically examines the global soil moisture datasets in Ethiopia. • SMAP excels in temporal dynamics, with SMOS closely aligning to the Topographic Wetness Index. • In situ monitoring is key to improving soil moisture data retrieval and modelling in the Blue Nile.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».