MétaCan
Menu
Retour à la cohorte
Enregistrement W1618555190

ANALYSIS OF ASAR IMAGERY FOR HYDROLOGICAL APPLICATIONS IN SARDINIA, ITALY

2005· article· en· W1618555190 sur OpenAlexaff
K. Guillotte, Imen Gherboudj, Claudio Paniconi, Monique Bernier, Marino Marrocu, Maria Antonietta Dessena, A. Soddu Pirellas, Stefania Fanni, F. Fantola

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensUniversité du Québec
Organismes subventionnairesnon disponible
Mots-clésRemote sensingTerrainEnvironmental scienceIrrigationGeologyHydrology (agriculture)GeographyCartography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We present results from analysis of a first set of Envisat ASAR images acquired in 2003-2004 over the Campidano region of Sardinia, Italy. The dataset includes 7 vertically polarized images (ASA_IMP_1P products) for the period Mar-Jun 2003 and 12 alternating polarization (HH and VV) images (ASA_APP_1P products) for Feb-Jul 2004, at two swaths (IS1, with incidence angle range 15.0-22.9 o , and IS2, with range 19.2-26.7 o ). In this report we analyze 3 IS1 APP images from the 2004 dataset. Ground data used to correct the images and to corroborate the analyses at field and regional scales include rainfall, digital terrain, irrigation, and land use maps. Our interest in this preliminary assessment is to determine whether the ASAR images can detect changes in surface soil moisture content over the spring-summer period, an application that would be very useful in water management for this agriculturally important region of Sardinia (e.g., irrigation planning and monitoring).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,214
Score d'incertitude au seuil0,163

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,251
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoil Moisture and Remote SensingTravaux en français237 207