Distribution spatiale et sources possibles des erreurs SMOS à l'échelle mondiale.

Auteurs
  • LEROUX Delphine j.
  • KERR Yann h.
  • RICHAUME Philippe
  • FIEUZAL Remy
  • KERR Y.h.
Date de publication
2013
Type de publication
Article de journal
Résumé Les données SMOS (Soil Moisture and Ocean Salinity) sont maintenant disponibles depuis plus de deux ans et, dans le cadre du processus de validation, il est possible de comparer ce nouveau jeu de données aux jeux de données mondiaux déjà existants sur l'humidité des sols. Dans cette étude, le produit SMOS d'humidité du sol a été évalué globalement en utilisant la méthode de triple collocation. Cette méthode statistique est basée sur la comparaison de trois jeux de données et produit des cartes d'erreurs globales en inter-comparant statistiquement leurs variations. Seule la partie variable des erreurs est considérée ici, les erreurs de biais ne sont pas traitées par la triple collocation. Cette méthode a été appliquée aux jeux de données suivants : SMOS Level 2 product, deux produits d'humidité du sol dérivés de AMSR-E (Advanced Microwave Scanning Radiometer)-LPRM (Land Parameter Retrieval Model) et NSIDC (National Snow and Ice Data Center), ASCAT (Advanced Scatterometer) et ECMWF (European Center for Medium range Weather Forecasting). Les erreurs résultantes ne sont pas absolues puisqu'elles dépendent du choix des jeux de données. Cependant, cette étude a montré que la structure spatiale du SMOS était indépendante de la combinaison et a mis en évidence les mêmes zones où le SMOS était performant et celles où il ne l'était pas. Cette carte globale de l'erreur SMOS a ensuite été reliée à d'autres paramètres globaux tels que la texture du sol, les probabilités d'occurrence de RFI (Radio Frequency Interference) et la couverture du sol afin d'identifier leurs influences sur l'erreur SMOS. Globalement, la présence de forêts dans le champ de vision du radiomètre semble avoir la plus grande influence sur l'erreur SMOS (56,8%) alors que RFI représente 1,7% selon l'analyse de variance d'un modèle de régression linéaire multiple. Ces pourcentages n'étaient pas identiques pour tous les continents et certaines divergences dans la proportion de l'influence ont été mises en évidence : la texture du sol était la principale influence sur l'Europe alors que RFI avait la plus grande influence sur l'Asie.
Éditeur
Elsevier BV
Thématiques de la publication
  • ...
  • Pas de thématiques identifiées
Thématiques détectées par scanR à partir des publications retrouvées. Pour plus d’informations, voir https://scanr.enseignementsup-recherche.gouv.fr