Sensitivity of Spectral Unmixing Analysis to a Spectrally Dependent Gain Error in Hyperspectral Data
Notice bibliographique
Résumé
In support of phase a work on the proposed hyperspectral environment and resource observer (HERO) mission, the sensitivity of the results obtained from a common hyperspectral analysis technique, linear spectral unmixing, to a spectrally dependent error in the radiometric calibration of the hyperspectral data is investigated. Two ground-based mineral reflectance spectra are selected as spectral endmembers and combined linearly to give five different mixtures. The MODTRAN atmospheric correction model, as implemented in the imaging spectrometer data analysis system (ISDAS), is used to convert these ground-based reflectance spectra to top-of- atmosphere (TOA) radiance. The resulting mixed spectra are then subjected to a randomly generated spectral gain error (SGE). This is repeated a statistically significant number of times to produce a simulated dataset for each of the five mineral combinations. By varying the magnitude of the introduced SGE, several simulated datasets are produced representing different levels of relative calibration accuracies in the spectral domain. The simulated TOA data sets are then converted back to ground-based reflectance, once again using MODTRAN. Linear constrained spectral unmixing is then applied to each of the simulated datasets. Each of the original mixtures results in a distribution of fractions, the width of which is dependent on the magnitude of the SGE applied to the data set providing the relationship between the unmixing error and the SGE. A specification of the acceptable error in the unmixing results then dictates the required level of accuracy in the spectral gain calibration. The relationship between the SGE and the error in the unmixing results is shown to be directly proportional.
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 | 0,007 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».