MétaCan
Menu
Retour à la cohorte
Enregistrement W1982632593 · doi:10.1117/12.619215

Measurement of ocean water optical properties and seafloor reflectance with scanning hydrographic operational airborne lidar survey (SHOALS): II. Practical results and comparison with independent data

2005· article· en· W1982632593 sur OpenAlexaff
Grady Tuell, Viktor Feygels, Yuri Kopilevich, Alan Weidemann, Alexander Cunningham, Reza Mani, Vladimir I. Podoba, Vinod Ramnath, J. Y. Park, Jen Aitken

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensOptech (Canada)
Organismes subventionnairesnon disponible
Mots-clésShoalRemote sensingNormalization (sociology)Environmental scienceRadiometryLidarGeologyOpticsPhysicsOceanography

Résumé

récupéré en direct d'OpenAlex

Estimation of water column optical properties and seafloor reflectance (532 nm) is demonstrated using recent SHOALS data collected at Fort Lauderdale, Florida (November, 2003). To facilitate this work, the first radiometric calibrations of SHOALS were performed. These calibrations permit a direct normalization of recorded data by converting digitized counts at the output of the SHOALS receivers to input optical power. For estimation of environmental parameters, this normalization is required to compensate for the logarithmic compression of the signals and the finite frequency of the bandpass of the detector/amplifier. After normalization, the SHOALS data are used to estimate the backscattering coefficient, the beam attenuation coefficient, the single-scattering albedo, the VSF asymmetry, and seafloor reflectance by fitting simulated waveforms to actual waveforms measured by the SHOALS APD and PMT receivers. The resulting estimates of these water column optical properties are compared to in-situ measurements acquired at the time of the airborne data collections. Images of green laser bottom reflectance are also presented and compared to reflectance estimated from simultaneously acquired passive spectral data.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil0,638

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,034
Tête enseignante GPT0,251
Écart entre enseignants0,218 · 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'étudeExpérimental (laboratoire)
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

Citations31
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207