Analysis of Temperature Emissivity Separation (TES) algorithm applicability and sensitivity
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.
Notice bibliographique
Résumé
The purpose of this paper is to assess the spectral Temperature Emissivity Separation algorithm (TES) proposed by Gillespie et al. (1998 Gillespie, A. R, Rokugawa, S, Matsunaga, T, Cothern, J. S, Hook, S and Kahle, A. B. 1998. A Temperature and Emissivity Separation algorithm for Advanced Spaceborne Thermal Emission and Reflection radiometer ASTER images. IEEE Transactions on Geoscience and Remote Sensing, 36: 1113–1126. [Crossref], [Web of Science ®] , [Google Scholar]) as a simple method to retrieve surface emissivity from ground-based measurements. First, we validate different empirical relationships for the Minimum Maximum Difference module, on which the TES is based, with a large dataset (about 500 surfaces from the Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) spectral library including man-made materials) for multiband data in the long wave infrared (LWIR: 7.5–14 µm), and hyperspectral data in the middle wave infrared (MWIR: 3.4–5.2 µm) and LWIR. We show the applicability of TES for hyperspectral data using a specific empirical relationship; this is confirmed by experimental measurements. For multiband data, we improve the TES for high contrast emissivity surfaces by integrating broadband 8–14 µm measurements in the iterative algorithm. We also found that metals do not confirm these empirical relationships. TES accuracy, extensively assessed by simulations, remains for multiband simulations (respectively for hyperspectral) within about 0.03 (0.02) for emissivity and within about 1.2 K (0.3 K) for temperature. However, surfaces with low maximum emissivity give higher errors. Except for these particular surfaces, the TES approach, applied on measurements from a portable multiband thermal radiometer, appears as the most efficient and accurate method for emissivity determination in the field without any a priori assumption on the surface nature.
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 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle