A review of forward modelling and retrieval approaches for forest soil moisture and vegetation optical depth using L-band radiometry
Notice bibliographique
Résumé
Forests are a critical component of the Earth system, accounting for approximately one-third of global photosynthetic activity and carbon storage. They also provide essential habitats for countless species and vital resources for human activities. Low-frequency (L-band; 1–2 GHz) microwave radiometry enables the measurement of forest soil moisture (SM) and L-band vegetation optical depth (L-VOD), offering valuable insights into processes such as tree growth, water infiltration, soil fertility, fuel moisture, carbon stocks, wildfire vulnerability, and biodiversity dynamics. These measurements also support the study of carbon and water fluxes, tree responses to hydrological stress (e.g., drought), and fuel moisture estimation. However, existing algorithms for retrieving SM and L-VOD were primarily developed for low-biomass vegetation types (e.g., grasslands and croplands), differing structurally from forests. This motivates the present review to evaluate the current retrieval approaches, their performance assessment methods, and available validation resources. The review found that systematic uncertainties persist in forest retrievals, despite the demonstrated sensitivity of L-band brightness temperature (TB) to forest SM and L-VOD. Moreover, the focus on non-forest ecosystems has led to a lack of suitable ground truth and reference data for validating forest SM and L-VOD products, and current validation techniques remain underdeveloped. To fully harness the potential of L-band radiometry in forest monitoring, new retrieval algorithms that account for the unique structural and compositional characteristics of forests are required. Additionally, validation efforts must be enhanced both quantitatively and qualitatively—particularly for L-VOD—to improve confidence in these remote sensing products.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».