Application of remotely sensed and modeled soil moisture for anticipating crop production shocks in food-insecure countries 
Notice bibliographique
Résumé
Soil moisture estimates are widely used as indicators of agricultural drought. Despite their ability to signal trends in vegetative water content months before vegetation greenness responses, their direct application in operational crop yield forecasting and the early anticipation of production shocks remains limited. Early warning of crop production shocks is a critical component of food insecurity scenario generation process. Previous research in southern Africa demonstrated promising skill in crop yield forecasting when using modeled soil moisture products as predictors, outperforming traditional indicators such as December-to-February ENSO. Similarly, a study in East Africa identified when and where soil moisture outperforms other Earth observations as a predictor of crop yield. Building on this foundation, we present a comprehensive investigation into the applicability of soil moisture products for sub-national crop yield forecasting across several countries in Sub-Saharan Africa. Our analysis evaluates the performance of various soil moisture datasets, including remotely sensed (e.g., ESA-CCI), modeled (e.g., FEWS NET Land Data Assimilation System), and data-assimilated (e.g., Global Land Evaporation Amsterdam Model) products, in within-season crop yield forecasts. We focus on three key areas: 1. The comparative value of remotely sensed surface soil moisture relative to root zone soil moisture from modeled and data-assimilated products. 2. The effectiveness of remotely sensed soil moisture in irrigated regions, where it may better capture agricultural drought than rainfall or modeled products. 3. The influence of anomalous soil moisture conditions at the onset of growing seasons, such as delayed rains or sequential droughts. Finally, we diagnose the sources of performance differences between remotely sensed and modeled soil moisture as predictors of crop yields. Our findings highlight the potential of remotely sensed soil moisture products as effective predictors for operational crop yield forecasting. 
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 | 0,000 | 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 ».