ASAR WSS product verification using derived image mosaics
Notice bibliographique
Résumé
A program has been written to create image mosaics from ASA_WSS_1P ASAR-WSS level-1 products, providing an overview of the imaged area. The ability to generate WSS mosaics facilitates the study of several WSS product features. This study focuses on their radiometric and geometric characteristics. The incidence angle variation of 16 to 43 degrees across beams SS1 through SS5 creates large differences in the nominal near- and far-range backscatter intensities. Radiometric calibration is applied to the mosaics, taking the range-spreading loss as well as the incidence angle effect into account, normalising for systematic radiometric trends. The five WSS beams acquire data with a substantial overlap (typically several hundred range samples). These overlap regions are of interest because the same ground targets are imaged by two different beams. We calculate the mean radiometric differences between the two beams for each overlap region, and draw conclusions based on the statistics. WSS geolocation accuracy is assessed for the image mosaics as well, using two methods. First, predicted positions of transponders in the Netherlands and Canada are compared to measured positions. Second, terrain geocoding of selected WSS scenes is performed, using DORIS precise state vectors and a digital terrain model (DTM). The geolocation accuracy is estimated using survey points or ground control points (GCPs) derived from topographic maps. The radiometric and geometric investigations confirm a high quality of the level-1 WSS products.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».