MétaCan
Menu
Retour à la cohorte
Enregistrement W2080877603 · doi:10.4043/25570-ms

Monitoring Hazardous Sea Ice Features using Satellite Imagery

2015· article· en· W2080877603 sur OpenAlexaffabout
Igor Zakharov, P. Bobby, Desmond Power, Kim David Saunders, Sherry Warren

Notice bibliographique

RevueOTC Arctic Technology Conference · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensCentre For Cold Ocean Resources Engineering
Organismes subventionnairesnon disponible
Mots-clésSea iceRemote sensingSynthetic aperture radarGeologySatellite imagerySatelliteIcebergArcticHazardous wasteArctic ice packGlacierMeteorologyOceanographyGeomorphologyGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The Canadian Arctic is a highly dynamic environment that has the oldest and thickest sea ice in the world. The ice includes various features hazardous for shipping and offshore operations. The paper describes a technology addressing the problem of satellite based monitoring of hazardous features, which include ice ridges, hummocks and rubble fields. Additional attention was paid to identifying glacier ice (ice islands and icebergs). The technology was demonstrated using images collected over the Canadian Arctic in 2013-2014 and ice features were verified by analyzing high resolution satellite optical images that overlap spatially and temporally with the synthetic aperture radar (SAR) data. Various satellite images and data fusion techniques have been explored for identifying ice features and retrieving their characteristics. Ice parameters being studied include height, size and frequency of ice features.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,137
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,247
Écart entre enseignants0,213 · 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 tête enseignante, 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

Citations1
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOTC Arctic Technology ConferenceMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207