MétaCan
Menu
Retour à la cohorte
Enregistrement W1983337075 · doi:10.5589/m13-031

Investigating ALOS PALSAR interferometric coherence in central Siberia at unfrozen and frozen conditions: implications for forest growing stock volume estimation

2013· article· en· W1983337075 sur OpenAlexvenueno aff
Christian Thiel, Christiane Schmullius

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDecorrelationCoherence (philosophical gambling strategy)Environmental scienceForestryGeographyPhysical geographyGeologyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

This paper investigates the impact of freezing on the properties of the magnitude of the interferometric coherence |γ| in central Siberia and discusses its implications for forest growing stock volume (GSV) estimation in the boreal zone. Eighty-seven acquisitions were employed and approximately 300 interferograms were generated. Accordingly, a high statistical credibility of the obtained results can be presumed. The temporal baselines of the interferograms ranged from 46 days to 2.5 years. The random volume over ground model was applied to support the interpretation of the observations. Compared with unfrozen conditions, we observed increased coherence over open areas, decreased coherence over dense forest, decreased spread of coherence, and improved correlation between |γ| and GSV during a frozen state. At frozen conditions, the experimental data showed no proof that the perpendicular baseline B⊥ impacted |γ| over dense forest, whereas at unfrozen conditions an impact was detected. Consequently, at frozen conditions, the temporal decorrelation was the major source of decorrelation and obstructed the detection of volume decorrelation effects. Nevertheless, |γ| acquired at frozen state exhibits potential for GSV mapping. The relationship between GSV and |γ| can be described with an average coefficient of determination R2 of 0.6. Saturation occurs at about 250 m3/ha.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,230
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations13
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207