ASSESSMENT OF RADARSAT-2 HR STEREO DATA OVER CANADIAN NORTHERN AND ARCTIC STUDY SITES
Notice bibliographique
Résumé
Abstract. Digital surface models (DSMs) extracted from high-resolution Radarsat-2 (R2) stereo images using a new hybrid radargrammetric modeling developed at the Canada Centre for Remote Sensing are evaluated over two Canadian northern and arctic study sites. Because the new hybrid model uses the full metadata of R2, it does not require any ground control point. The first study site in the north of Quebec is used for the scientific validation where accurate checked data (dGPS, lidas) is available. The second study site in the Arctic (steep relief and glaciated surfaces) is challenging for the operational evaluation of topographic mapping capabilities of R2. For the first study site, the bias and elevation linear errors with 68 percent confidence level (LE68) of R2 stero-extracted DSM compared to lidar data were computed over bare surfaces: LE90 of 3.9 m and no bias were achieved. For the second study site the comparison was performed between the R2 DEM and ICESat data. A negative 18-m bias was computed and certainly results suggests a bias in the stereo-model of R2 and thus in the metadata used in the model computation because there is few temporal variation in the data acquisition (R2 and ICESat)/ LE68 of 28 m was obtained. However, the differential melting and thinning depending of the glaciers elevations and planimetric surging of glacier tongues with less accumulation of debris and moraines, a lower LE68 of around 20 m could be expected. In addition to evaluate the potential of R2 over ice bodies, which generally have low slope relief and because the errors are strongly correlated with slopes, other statistical results of elevation differences were also computed: LE68 of 15 m was obtained over ice fields with 0–5° slopes while a little more than 20-m over less than 30° slopes was achieved.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 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 ».