DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/13194

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
05599292.pdf2,98 MBAdobe PDF Accés restringit

Citació: Jordà, G.; Gomis, D.; Talone, M. The SMOS L3 mapping algorithm for sea surface salinity. "IEEE transactions on geoscience and remote sensing", Març 2011, vol. 49, núm. 3, p. 1032-1051.
Títol: The SMOS L3 mapping algorithm for sea surface salinity
Autor: Jordà, Gabriel; Gomis, Damia; Talone, Marco Veure Producció científica UPC
Editorial: IEEE Press. Institute of Electrical and Electronics Engineers
Data: mar-2011
Tipus de document: Article
Resum: The Soil Moisture and Ocean Salinity (SMOS) mission launched in November 2009 will provide, for the first time, satellite observations of sea surface salinity (SSS). At level 3 (L3) of the SMOS processing chain, the large amount of SSS data obtained by the satellite will be summarized in gridded products with the aim of synthesizing the information and reducing the error of individual SSS observations. In this paper, we present the algorithm adopted by the CP34 SMOS processing center to generate the SMOS L3 products and discuss the choices adopted. The algorithm is based on optimal statistical interpolation. This method needs the following: 1) the prescription of a background field; 2) a prefiltering procedure to reduce the data set size; 3) the definition of a suitable correlation model; and 4) the characterization of the observational error statistics. For the present initial stage, a monthly climatology is chosen as the best background field. The spatiotemporal correlations between the departures from the climatology are described using a bivariate Gaussian function. The correlation model parameters are obtained by fitting the function to the realistic ocean model data. The sensitivity experiments show that an accurate correlation model that permits local variations in the correlation parameters is the best option. The observational error statistics (bias, variance, and correlation) are addressed from the results of the SMOS level-2 processor simulator. Finally, several sensitivity experiments show that a bad prescription of observational errors in the L3 algorithm does result in a dramatic impact on the generation of L3 products.
ISSN: 0196-2892
URI: http://hdl.handle.net/2117/13194
DOI: 10.1109/TGRS.2010.2068551
Apareix a les col·leccions:Altres. Enviament des de DRAC
Departament de Teoria del Senyal i Comunicacions. Articles de revista
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius