MétaCan
Menu
Retour à la cohorte
Enregistrement W2020518555 · doi:10.1002/esp.1741

Determining the number of manual measurements required to improve peat thickness estimations by ground penetrating radar

2008· article· en· W2020518555 sur OpenAlexaffabout
Éric Rosa, Marie Larocque, Stéphanie Pellerin, Sylvain Gagné, Bertrand Fournier

Notice bibliographique

RevueEarth Surface Processes and Landforms · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueGeophysical Methods and Applications
Établissements canadiensUniversité de MontréalEspace pour la vieUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésPeatGround-penetrating radarCalibrationRadarGeologyRemote sensingSoil scienceEnvironmental scienceStatisticsComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Ground penetrating radar (GPR) is often used for investigating peat thickness. The quality of GPR measurements depends on electromagnetic wave (EMW) velocity estimates. The objective of this study is to determine the number of manual measurements required to minimize EMW velocity error in peatlands. A total of 175 manually measured peat thicknesses are used with a depth‐to‐target method to assess EMW velocity in two southern Quebec peatlands. Mean measured EMW velocities are 0·040 and 0·039 m ns–1 with standard deviations of 0·013 and 0·008 m ns–1. Statistical analyses show that at least 30 calibration points are required to minimize the EMW velocity error, regardless of the geological setting. Copyright © 2008 John Wiley & Sons, Ltd.

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)0,004
score de la tête « metaresearch » (Gemma)0,023
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,278
Écart entre enseignants0,251 · 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

Citations39
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarth Surface Processes and LandformsMême sujetGeophysical Methods and ApplicationsTravaux en français237 207