The Potential of PALSAR ScanSAR Mode for Soil Moisture Retrieval
Notice bibliographique
Résumé
This document is the final report for all activities related to the JAXA ALOS PI agreement 090. The initial research focus was on soil moisture monitoring in semi-arid regions. Attention was shifted to the assessment of landscape heterogeneity in the high latitudes during the extension period of the PI agreement. || Soil moisture monitoring requires frequent acquisitions in order to capture this highly variable parameter. The retrieval approach followed by the PI requires a large sample for each location, representing wet and dry conditions. Currently C-Band ENVISAT ASAR WS (Wide Swath, 150m) and GM (Global Mode, 1km) data are used for the establishment of a near real time processing chain. Similar data with regular intervals will become also available from Sentinal-1. L-Band advantageous compared to C-Band regarding vegetation penetration and sensitivity to changes of near surface soil water content. Regular acquisitions are however not available. The C-band capabilities have been assessed with the ALOS PALSAR data over Africa, but the sample of ALOS data was too small. The potential of the L-band data could be nevertheless demonstrated. || Soil moisture retrieval in tundra regions is impacted by landscape heterogeneity. Especially the abundance of small ponds needs to be taken into consideration. ALOS PALSAR fine beam data are used for the assessment of the small lakes detection capabilities of ENVISAT ASAR WS, which is available for regional to sub-continental analyses. The majority of lakes which are identifiable with fine beam can be also captured with ASAR WS. The difference in total water surface extent can be mostly attributed to rims around larger lakes. || Research in semi-arid as well as permafrost environment is still ongoing and is performed in cooperation with international project partners.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,005 |
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 ».