Evaluating IFSAR and LIDAR Technologies Using ArcInfo: Red River Pilot Study
Notice bibliographique
Résumé
The 1997 Red River flood resulted in catastrophic damage to residential, commercial, industrial, agricultural, and public properties in large portions of the Red River Valley in Minnesota and North Dakota, and in the Province of Manitoba, Canada. In the aftermath of the flood, the U.S. and Canadian governments asked the International Joint Commission (IJC) to analyze the cause and effects and to recommend ways to reduce the impact of future floods. In support of the IJC study, the U.S. Army Engineer District, Saint Paul, requested assistance from the U.S. Army Engineer Research and Development Center (ERDC), Topographic Engineering Center (TEC) to evaluate emerging airborne remote-sensing technologies for application to crisis management support. A pilot study was conducted using both Interferometric Synthetic Aperture Radar (IFSAR) and LIght Detection and Ranging (LIDAR) collection systems to determine the correct mix of technologies required. The major objectives of the study were to develop and implement a data fusion technique to merge IFSAR and LIDAR DEMs and to test the hydrological flow of water over each respective DEM. The results of this study will provide the Red River task force with a cost comparison for each of the technologies tested during this project and a list of recommendations for performing the remainder of the basin collection.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».