Geometric and radiometric correction of ESA SAR products
Notice bibliographique
Résumé
Accurate geolocation of SAR imagery enables not only precise overlays with other data sources in a common map geometry, but also normalisation for the systematic influence of terrain on image radiometry. We begin by describing our verifications of the geometric behaviour of ENVISAT ASAR products, including all image mode (IM), alternating polarisation (AP), and wide swath (WS) types: IMS, IMP , IMM, IMG, APS, APP , APM, APG, WSM, and WSS. Radar transponders in Canada and Europe are used as easily identifiable targets in radar images to test the accuracy of the nominal timing and state vector annotations accompanying each product. Accuracies achievable using DORIS precise state vectors are also evaluated. In addition to ENVISAT's ASAR, geolocation accuracies achievable using ERS-1/2 and ALOS PALSAR data are demonstrated. Given accurate knowledge of the acquisition geometry of a SAR image from one of the above sensors together with a digital elevation model (DEM) of the area imaged, the process of terrain geocoding is used to transform a diverse set of images into a common reference map geometry. The prerequisite DEM combined with accurate knowledge of the acquisition geometry also enables a radiometric correction, whereby variations in terrain specific to each scene are normalised to a common standard. Thematic interpretation benefits from such pre-processing: we demonstrate improved thematic discriminations using product overlays in a common map geometry where radiometric terrain correction (RTC) has been applied in comparison to typical GTC results.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».