The Application of Remote Sensing for Detecting Mass Graves: An Experimental Animal Case Study from Costa Rica*
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
Detection of mass graves utilizing the hyperspectral information in airborne or satellite imagery is an untested application of remote sensing technology. We examined the in situ spectral reflectance of an experimental animal mass grave in a tropical moist forest environment and compared it to an identically constructed false grave which was refilled with soil, but contained no cattle carcasses over the course of a 16-month period. The separability of the in situ reflectance spectra was examined with a combination of feature selection and five different nonparametric pattern classifiers. We also scaled up the analysis to examine the spectral signature of the same experimental mass grave from an air-borne hyperspectral image collected 1 month following burial. Our results indicate that at both scales (in situ and airborne), the experimental grave had a spectral signature that was distinct and therefore detectable from the false grave. In addition, we observed that vegetation regeneration was severely inhibited over the mass grave containing cattle carcasses for up to a period of 16 months. This experimental study has demonstrated the real utility of airborne hyperspectral imagery for the detection of a relatively small mass grave (5 m(2)) within a specific climatic zone. Other climatic zones will require similar actualistic modeling studies, but it is clear that the applications of this technology provide the international community with both an early detection tool and a tool for ongoing monitoring.
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 | 0,000 |
| Science ouverte | 0,000 | 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