RADARSAT Fine-Beam SAR Data for Land-Cover Mapping and Change Detection in the Rural-Urban Fringe of the Greater Toronto Area
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
This research investigates the capability of the multitemporal RADARSAT Fine-Beam C-HH SAR imagery for land use/land-cover mapping and change detection in the rural-urban fringe of the Greater Toronto Area (GTA). Five-date RADARSAT fine-beam SAR images were acquired during May to August in 2002. One scene of Landsat TM imagery was acquired in 1988 for change detection. The major land use/land-cover classes were high-density built-up areas, low-density built-up areas, roads, forests, parks, golf courses, water and three types of agricultural lands. These ten classes were chosen to characterize the complex land use/land-cover types in the rural-urban fringe of the GTA. The results demonstrated that, for identifying land use/land-cover classes, five-date raw SAR imagery yielded very poor result due to speckles. Much better results were achieved with combined Mean, Standard Deviation and Correlation texture images using artificial neural networks (ANN) and with raw images using object-based classification. The change detection procedure was able to identify the areas of significant changes, for example, major new roads, new low-density and high-density built up areas and golf courses, even though the overall accuracy of the change detection was rather low.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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