MétaCan
Menu
Retour à la cohorte
Enregistrement W2115076670 · doi:10.1080/014311601750038857

Evaluation of C-band SAR data for wetlands mapping

2001· article· en· W2115076670 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueInternational Journal of Remote Sensing · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesGlaucoma Research Society of Canada
Mots-clésWetlandRemote sensingPolarimetryBogSynthetic aperture radarEnvironmental scienceVegetation classificationPolarization (electrochemistry)Vegetation (pathology)PeatGeologyGeographyScatteringPhysicsEcology

Résumé

récupéré en direct d'OpenAlex

This publication reports results of an experiment carried out to examine the potential of polarimetric C-band Synthetic Aperture Radar (SAR) for mapping various wetland classes found in the Mer Bleue region (near Ottawa, Canada). The Mer Bleue region was surveyed by the C-band (5.3 GHz) polarimetric (HH, HV, VH, VV) SAR of the Canada Centre for Remote Sensing (CCRS) at three times within the vegetation season: 16 June (spring flush for vegetation), 6 July (mature growth stage for vegetation) and 3 October 1995 (senescence). Signatures of six different cover types (forested and nonforested peat bog, marsh, open water, clearing and forests) have been derived as a function of incidence angle. Separability between various classes was used to determine the relationships between season(s) and polarization(s) needed to differentiate various wetland classes. A supervised classification was used for wetlands mapping by means of multipolarization data. These investigations demonstrate some of the capabilities of SAR at C-band for mapping wetlands. The cross-polarization data provided the best separation between the observed classes. The October dataset was better suited for discriminating between the classes present than the other periods observed. The overall accuracies of the classification are 73% for June, 73% for July and 86% for October. Classification using a single polarization has been investigated and the results have shown that the HH and cross-polarizations are better than VV polarization. For October, the percentage of all pixels correctly classified is 74% for HH polarization, 76% for cross-polarization, and 59% for VV polarization. Investigations were carried out to determine whether temporal changes can be used to increase the information content of single polarization C-band SAR data, which are now available from ERS-2 and RADARSAT satellites. They demonstrated that the use of multitemporal data acquired in June, July and October do not provide a substantial amelioration of the classification of wetlands when the differentiation is not possible in any single period.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

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

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 Opus0,057
Tête enseignante GPT0,322
Écart entre enseignants0,265 · 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