Éfficacité des données de RADARSAT-1 dans la reconnaissance des linéaments : un bilan
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
RÉSUMÉDans la détection de linéaments, la recherche d'indicateurs directs sur le terrain présente de nombreuses difficultés à surmonter au niveau de son accessibilité et de la grande superficie à couvrir. Dans le cadre du projet ADRO 107/Agence spatiale canadienne, l'objectif général de cette recherche est de démontrer le potentiel d'utilisation des images de RADARSAT-1 dans la reconnaissance et l'analyse des linéaments géologiques dans un secteur de la région de Charlevoix, au Québec.Au niveau du traitement, une correction géométrique à partir du Système de rectification des images de télédétection (SRIT) ainsi qu'une série de filtrages spatiaux visant à éliminer l'effet de chatoiement sont d'abord expérimentés, puis appliqués sur les images acquises en mode standard et en mode fin. Par la suite, les linéaments sont mis en évidence à partir de l'expérimentation de deux approches : les filtres directionnels de Sobel et les réseaux de neurones. L'extraction de l'information s'effectue à l'aide d'une analyse en composantes principales et d'une binarisation des images numériques résultantes pour l'approche par les filtres directionnels. Pour les réseaux de neurones, l'extraction d'information utile s'effectue par le biais de seuillages dont les bornes supérieures et inférieures peuvent varier en fonction du mode d'enregistrement des données. L'analyse des linéaments se base sur la cartographie de ces derniers. Pour y arriver, nous utilisons un SIG dérivé de données topographiques, un modèle numérique d'altitude et des images binaires réalisées lors de l'étape du traitement. Les linéarités d'origine anthropique sont éliminées à l'aide de couches vectorielles superposées au SIG. Il s'agit du réseau routier, des lignes à haute tension et autres éléments du même type. Enfin, une comparaison des résultats est réalisée entre les données radar (RADARSAT-1, ERS-1), TM, MNA et une carte de linéaments géologiques créée à partir d'une approche manuelle.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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