MétaCan
Menu
Retour à la cohorte
Enregistrement W2117530186 · doi:10.1109/tgrs.2008.2009122

Application of Target Decomposition Theorems Over Snow-Covered Forested Areas

2009· article· en· W2117530186 sur OpenAlexaff
Mélanie Trudel, Ramata Magagi, Hardy B. Granberg

Notice bibliographique

RevueIEEE Transactions on Geoscience and Remote Sensing · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensÉcole de Technologie SupérieureUniversité de Sherbrooke
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationU.S. Department of AgricultureNational Aeronautics and Space Administration
Mots-clésRemote sensingSnowSynthetic aperture radarTerrainDecompositionPolarimetryRadarRadar imagingField (mathematics)Environmental scienceMeteorologyGeologyGeographyScatteringComputer scienceCartographyMathematicsEcology

Résumé

récupéré en direct d'OpenAlex

This paper compares two well-known polarimetric decomposition theorems, Cloude-Pottier and Freeman-Durden, applied to L- and C-band Airborne Polarimetric Synthetic Aperture Radar (AIRSAR-POLSAR) data acquired during the Cold-Land Processes Field Experiments. Three field campaigns were carried out in February 2002, March 2002, and March 2003 over a snow-covered open terrain, a sparse coniferous forest, and a dense coniferous forest. The analysis evaluates the ability of the two target decomposition methods for the identification and understanding of the main scattering mechanisms.

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 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)0,000
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: aucune
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,455

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,230
Écart entre enseignants0,224 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Geoscience and Remote SensingMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207