MétaCan
Menu
← Retour à la cohorte
Enregistrement W2112062756 · doi:10.1109/igarss.2008.4778945

Multi-Angle Measurements with Chris for Forest Parameters

2008· article· en· W2112062756 sur OpenAlexafffund
A. Dyk, D.G. Goodenough, Geordie Hobart, K. Olaf Niemann, A. Simic, Jing Chen, Hao Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversity of VictoriaUniversity of TorontoNatural Resources Canada
Organismes subventionnairesUniversity of Toronto
Mots-clésHyperspectral imagingZenithRemote sensingEnvironmental scienceWatershedCanopyTree canopyImage resolutionRadiative transferSolar zenith angleComputer scienceGeographyPhysicsOpticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

It is with high spectral resolution, medium spatial resolution, and multi-directional imagery from CHRIS that forest structural parameters can be retrieved over our test site, the Greater Victoria Watershed District. This analysis requires an understanding of the anisotropic nature of forest canopies as measured by spaceborne hyperspectral sensors and modeled by radiative transfer models. The Evaluation and Validation of CHRIS for National Forests Project (EVC) was selected by ESA's science team for their hyperspectral sensor, CHRIS as part of the PROBA mission. On September 2nd to 4th, 2006, a triplet acquisition over the Greater Victoria Watershed District (GVWD), taken in Mode-1, provided us with 15 look angles. The Minimum Zenith Angles (MZA) for each date were +20°, -2° and -23° respectively, each of which has five nominal Fly-by Zenith Angles (FZA) of ±55°, ±36° and 0°. This triplet has been processed and analyzed in order to assess the utility of CHRIS data for mapping forest parameters. CHRIS algorithms for producing accurate estimates of forest parameters such as conifer forest species and biomass were compared with 5-Scale Model simulations. The spectral information content provides information on the content of the forest canopy while the multi-angle imagery offers information on the structural components of the forest canopy [2]. This paper provides an update on the status of this work in progress.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,056
Tête enseignante GPT0,226
Écart entre enseignants0,170 · 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'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
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing in Agriculture→Travaux en français237 207→