SMAP Validation Experiment 2019–2022 (SMAPVEX19–22): Field Campaign to Improve Soil Moisture and Vegetation Optical Depth Retrievals in Temperate Forests
Notice bibliographique
Résumé
Satellite-based retrieval of forest soil moisture (SM) and vegetation optical depth (VOD) are two long-standing unresolved issues hindering advances in hydrology, ecology, and Earth system science. A key obstacle is the lack of adequate reference data in forested regions. NASA's Soil Moisture Active Passive (SMAP) mission, with its partners, conducted the SMAP Validation Experiment 2019–2022 (SMAPVEX19–22) to improve the SMAP SM and VOD retrievals in temperate forests of the northeastern USA. The scope and scale of the campaign exceeded anything done thus far to develop forest satellite-based SM and VOD retrieval algorithms. The field campaign measured SM, surface conditions, and vegetation properties, with results demonstrating the value of tree sensors with SM measurements and destructive sampling of the vegetation water content of branches and leaves to capture the water distribution in soil and trees. Using low-cost zenith-pointing cameras proved effective in tracking vegetation phenology, aiding the interpretation of brightness temperature (TB). Airborne and mobile terrestrial laser scanning measurements captured the three-dimensional forest structure necessary for microwave measurement interpretation. Challenges included characterizing SM in organic forest soils and determining volumetric SM due to spatially variable soil bulk density. Comparisons of the field measurements with SMAP data revealed its ability to retrieve the soil permittivity (correlation of 0.68 and 0.75 for the two experiment sites) alongside VOD, including the frozen conditions. The findings indicated that L-band scattering albedo is temporally variable, and L-band TB is sensitive to deciduous forest leaves, influencing the development of SM and VOD retrieval algorithms.
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 | 0,001 |
| 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 ».