The Application of RADARSAT-2 Quad-Polarized Data for Oil Slick Characterization
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
ABSTRACT Spaceborne radar data has been extensively used to monitor numerous oil spills worldwide. The radar imagery provides information on the spatial extent of the oil, but in general, there is limited information on the characteristics of the oil such as the discrimination of sheen from emulsion. The full polarimetry capabilities of RADARSAT-2 were investigated in this study using acquisitions collected over the Gulf of Mexico. In this study, the Cloude-Pottier target decomposition algorithm was used to extract polarimetric information from RADARSAT-2 quad-polarized images acquired over the Macondo oil spill in the Gulf of Mexico. The Cloude-Pottier entropy (H) provides a measure of the amount of mixing between scattering mechanisms. For a wind-roughened ocean surface, the scattering is dominated by a single dominant scattering mechanism, namely Bragg scattering (H → 0). In the presence of an oil slick, however, the entropy increases (H → 1) which is due to the number independent scattering mechanisms increasing due to damping of the small-scale Bragg waves. Comparison of entropy with the over flight observations indicated that the variability of the entropy was consistent with the variability of the oil properties suggesting that the entropy was providing a qualitative measure of the oil characteristics. Specifically, when there was open water and a thin sheen, the entropy was close to 0, but in the presence thicker oil due to the presence of, for example, an emulsion, the entropy had values that were close to 1.
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 | 0,001 |
| Science ouverte | 0,001 | 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