Modeling Local Scaling Properties for Multiscale Mapping
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
Mapping surface soil properties and estimating soil parameters with multiresolution data has been significantly advanced by newly developed multiscale mapping technologies, which incorporate the concept and models of scaling analysis in data processing. This study was conducted to develop a new multiscale mapping technique on the basis of a power‐law model characterizing local singularity of exploratory data for mapping surface soil properties. A field with singularity due to self‐organization or self‐similarity properties of the underlying processes can be modeled by multifractal models. These types of data may not have the statistical stationary property required by ordinary geostatistical mapping techniques. The new mapping technique utilizes a scaling property for data interpolation and for downscaling image processing. The inputs, either point data or an image, can be separated into a nonsingular background component for estimation purposes and an anomalous component of singularity for multiscale high‐pass filtering purposes. When used for the purpose of data interpolation, this new method assigns weights for data interpolation by taking into account not only the distance between neighborhood points but also local structures and singularity of the field. The results of application of the method to a data set of geochemical concentration values of Ag from 1172 lake sediments in the Gowganda area of Ontario, Canada, have delineated favorable target areas with strong singularity of Ag concentrations caused by mineralization in lake sediments.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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