DSMS GENERATION FROM COSMO-SKYMED, RADARSAT-2 AND TERRASAR-X IMAGERY ON BEAUPORT (CANADA) TEST SITE: EVALUATION AND COMPARISON OF DIFFERENT RADARGRAMMETRIC APPROACHES
Notice bibliographique
Résumé
Abstract. This work is focused on the analysis of potentialities of the radargrammetric DSMs generation using high resolution SAR imagery acquired by three different platforms (COSMO-SkyMed, TerraSAR-X and Radarsat-2) with particular attention to geometric orientation models. Two orientation models have been tested in this work: the rigorous Toutin’s model, developed at the Canada Center for Remote Sensing (CCRS) and implemented in the commercial software package PCI Geomatica, and the radargrammetric model developed at University of Rome La Sapienza and implemented in the scientific software SISAR. A full comparison and analysis has been carried out over Beauport test site (Quebec, Canada), where a LIDAR ground truth and a dense set of GNSS CPs (Check points) are available. Moreover, a preliminary comparison between the DSMs extracted, respectively with SISAR and PCI-Geomatica has been performed. The accuracy of the generated DSMs has been evaluated through the scientific software DEMANAL developed by Prof. K. Jacobsen of University of Hannover. As regards orientation models, the results shown that the Toutin’s model accuracy is slightly better than the SISAR one, even if it is important to underline that the SISAR model is computed without using a priori ground truth information. As concern DSMs assessment, the global DSMs accuracy in term of RMSE is around 4 meter and the two radargrammetric approaches show similar performances.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».