Water resource applications with RADARSAT-2 – a preview
Notice bibliographique
Résumé
Fresh water is arguably the most vital resource for many aspects of a healthy and stable environment. Monitoring the extent of surface water enables resource managers to detect perturbations and long term trends in water availability, and set consumption guidelines accordingly. Potential end-users of water-related observations are numerous and reflect society as a whole. They encompass scientists and managers at all levels of government, aboriginal groups, water/power utility managers, farmers, planners, engineers, hydrologists, medical researchers, climate scientists, recreation enthusiasts, public school to post-graduate students, many special interest groups and the general public. Water data and analyses generate information products that benefit water resources planning and management, engineering design, plant operations, navigation activities, health research, water quality assessments and ecosystem management. As well, they serve as inputs for flood and drought warnings and weather and climate prediction models. Radar data in general, and RADARSAT in particular, are very good for detecting open surface water and have been used operationally for flood monitoring in many countries. Significant radar data archives now exist to analyse seasonal, annual and decadal trends, in order to attain a better understanding of the freshwater cycle. Radar data are also useful for wetland classification and soil moisture estimation. With the increasing pressure on water resources, both from a quality as well as a quantity perspective, the need will continue to increase for reliable information. RADARSAT-2 has several innovations that will enhance the ability to provide useful information about water resources. This paper provides an overview of the use of radar in general, and RADARSAT-2 in particular, for the generation of information products useful to water resource managers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,015 |
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 source (Gemma direct ou Codex distillé), 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 ».