Evaluating soil moisture variability using Synthetic Aperture RADAR and LiDAR-derived wetness indices
Notice bibliographique
Résumé
Soil moisture spatial and temporal variability is influenced by precipitation patterns, local topography, soil texture and vegetation. This research aims to assess whether the ln('As'/tan[beta]) (Beven and Kirkby, 1979) wetness index (WI) derived from a 1 m LiDAR digital elevation model can be used as a surrogate for soil moisture spatial patterns through time by comparing Synthetic Aperture RADAR (SAR) backscatter to the WI under variable moisture regimes and using different sensor parameters. Over multiple dates spanning Fall 2009 and Spring/Fall 2010, fine quad-polarimetric mode RADARSAT-2 imagery and coincident 'in situ' surface parameter data are acquired over a small agricultural watershed in southwestern Ontario. Soil moisture maps are derived using several backscatter models and compared to 'in situ' soil moisture using goodness-of-fit statistics. The spatial pattern of soil moisture was observed to be most variable under moderate moisture regimes through evaluation of 'in situ' soil moisture data and semivariogram analysis. Both SAR-derived soil moisture and SAR linear intensity channels were compared to the WI using the Spearman rank correlation coefficient ('rs'). SAR soil moisture derived using the Oh et al. (1992) model showed the highest correlation to the WI, achieving significant but weak positive correlations at both high and low incidence angles. The cross-polarized intensity channel (HV) correlated more strongly with WI than either co-polarized channel (HH or VV), achieving significant weak to moderate 'rs' values. Standardized anomalies of soil moisture values were calculated for all SAR image acquisitions and compared to the WI using 'rs'. Discontinuous but comparable time stable points were identified using all backscatter models, although only those derived using the Oh et al. (1992) model correlated significantly to the WI. For all model outputs, most points were time stable within one standard deviation of the mean.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».