MétaCan
Menu
Retour à la cohorte
Enregistrement W1692243462 · doi:10.1002/hyp.10597

Deployment of an unmanned aerial system to assist in mapping an intermittent stream

2015· article· en· W1692243462 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueHydrological Processes · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésRemote sensingMultispectral imageSatellite imageryGround truthSatelliteEnvironmental scienceScale (ratio)Computer scienceImage resolutionSoftware deploymentVegetation (pathology)High resolutionAerial surveyGeologyArtificial intelligenceCartographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Recent growth in the capabilities of unmanned aerial vehicles and systems (UASs) as airborne platforms for collecting environmental data has been very rapid. There are now ample examples in the literature of UASs being deployed to map fine‐scale vegetation, glacial, soil and atmospheric conditions. The purported advantages of UASs are their ability to collect spatial data at lower cost, lower risk, higher resolution and higher frequency than ground surveys or satellite platforms. In this specific study, whether or not obtaining high‐resolution UAS imagery was advantageous for identifying an intermittent stream network was determined by comparing it with coarse‐scale satellite imagery collected for the same purpose. It was also determined if the UAS imagery could be an improvement to Global Positioning System acquired ground‐truth points for classifying an intermittent stream network across the same large‐scale satellite image. The UAS‐acquired and satellite‐acquired imageries were derived from a visible spectrum camera capable of 2‐cm resolution and multispectral SPOT‐5 with 10‐m resolution, respectively. The SPOT‐5 imagery with its relatively coarse resolution could not always detect the narrow intermittent stream, which was well resolved in the UAS imagery. When a classified UAS image was applied as a training area for the SPOT‐5 image, the identification of the stream network and accuracy of the satellite imagery classification did not necessarily improve. UASs have the potential to revolutionize hydrological research the same way that geographic information systems did three decades ago. A final goal of the paper is to provide insight into the advantages and disadvantages of deploying a UAS for this kind of research. © 2015 Her Majesty the Queen in Right of Canada. Hydrological Processes. © 2015 John Wiley & Sons, Ltd.

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.

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 enseignants0,155
Score d'incertitude au seuil0,486

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 Opus0,035
Tête enseignante GPT0,270
Écart entre enseignants0,235 · 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