MétaCan
Menu
Retour à la cohorte
Enregistrement W2040072402 · doi:10.1117/12.506864

Multisensor and multiscale survey and characterization for radiometric spatial uniformity and temporal stability of Railroad Valley Playa (Nevada) test site used for optical sensor calibration

2004· article· en· W2040072402 sur OpenAlexafffund
A. Bannari, Khalid Omari, Phillipe M. Teillet, G. Fedosejevs

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueCalibration and Measurement Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationNatural Sciences and Engineering Research Council of CanadaUniversity of Arizona
Mots-clésRemote sensingRadiometryTest siteRadiometric datingRadiometric calibrationStability (learning theory)Scale (ratio)Spatial variabilityEnvironmental scienceSpatial analysisCalibrationGeologyComputer scienceCartographyGeographyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

In this study, we analyzed for the first time the potential of Getis statistics compared to the coefficient of variation for the study of the radiometric spatial uniformity and temporal stability of the Railroad Valley Playa, Nevada (RVPN) test site. We evaluated multi-sensor and multi-scale image data acquired for the RVPN, including four SPOT HRV images acquired in 1997 and 1998, five NOAA AVHRR images acquired in 1999, and one Landsat TM image acquired in 1998. The results show the potential and the importance of the synergy generated by these two methods for analyzing the radiometric spatial uniformity and temporal stability of the RVPN site. Getis statistics provide an excellent spatial analysis of the site while the coefficient of variation provides complementary information on the temporal evolution of the site.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,230
Écart entre enseignants0,210 · 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

Citations16
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetCalibration and Measurement TechniquesTravaux en français237 207