MétaCan
Menu
← Retour à la cohorte
Enregistrement W2102016182 · doi:10.1109/igarss.2008.4779388

Refining a Hyperspectral and Multi-Angle Measurement Concept for Vegetation Structure Assessment

2008· article· en· W2102016182 sur OpenAlexaff
A. Simic, J.M. Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHyperspectral imagingNadirRemote sensingImaging spectrometerSpectral resolutionSatelliteImage resolutionEnvironmental scienceSpectrometerRedundancy (engineering)On boardFull spectral imagingComputer scienceGeologyOpticsArtificial intelligencePhysicsSpectral line

Résumé

récupéré en direct d'OpenAlex

The concept of combining multi-angle and hyperspectral remote sensing has been developed and utilized in an existing satellite observation system CHRIS (Compact High-Resolution Imaging Spectrometer) onboard the Project for On-Board Autonomy (PROBA) platform developed by the European Space Agency (ESA). We attempt to refine this measurement concept by testing a new one: a system that acquires hyperspectral signals only in the nadir direction but measures in two additional directions in two spectral bands, red and NIR. Through model experiments, we demonstrate that the combination of the hotspot and darkspot reflectances has the strongest signals about the vegetation structure quantified using the foliage clumping index. The results suggest that the multi-angle hyperspectral data exhibit much redundancy, and that the multi-spectral measurements at off-nadir angles in addition to the nadir hyperspectral data would be sufficient to reconstruct hyperspectral signatures at off-nadir angles.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,253
Écart entre enseignants0,218 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing in Agriculture→Travaux en français237 207→