MétaCan
Menu
Retour à la cohorte
Enregistrement W1988540337 · doi:10.3390/ijgi1020108

Visualization of Lake Mead Surface Area Changes from 1972 to 2009

2012· article· en· W1988540337 sur OpenAlexaff
K. Wayne Forsythe, Barbara Schatz, Stephen Swales, Lisa-Jen Ferrato, David M. Atkinson

Notice bibliographique

RevueISPRS International Journal of Geo-Information · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésSatellitePeriod (music)Satellite imagerySurface waterPhysical geographyHydrology (agriculture)GeologyEnvironmental scienceGeographyRemote sensing

Résumé

récupéré en direct d'OpenAlex

For most of the last decade, the south-western portion of the United States has experienced a severe and enduring drought. This has caused serious concerns about water supply and management in the region. In this research, 30 orthorectified Landsat satellite images from the United States Geological Service (USGS) Earth Explorer archive were analyzed for the 1972 to 2009 period. The images encompassed Lake Mead (a major reservoir in this region) and were examined for changes in water surface area. Decadal lake area minimums/maximums were achieved in 1972/1979, 1981/1988, 1991/1998, and 2009/2000. The minimum lake area extent occurred in 2009 (356.4 km2), while the maximum occurred in 1998 (590.6 km2). Variable trends in water level and lake area were observed throughout the analysis period, however progressively lower values were observed since 2000. The Landsat derived lake areas show a very strong relationship with actual measured water levels at the Hoover Dam. Yearly water level variations at the dam vary minimally from the satellite derived estimates. A complete (yearly) record of satellite images may have helped to reduce the slight deviations in the time series.

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 enseignants0,039
Score d'incertitude au seuil0,077

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
Bibliométrie0,0020,002
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)0,0020,000

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 Opus0,011
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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

Citations17
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueISPRS International Journal of Geo-InformationMême sujetHydrology and Watershed Management StudiesTravaux en français237 207