MétaCan
Menu
Retour à la cohorte
Enregistrement W2142518785 · doi:10.1109/igarss.2001.976200

Preparing for operational use of RADARSAT-2 data at the Canadian Ice Service

2002· article· en· W2142518785 sur OpenAlexaffabout
Dean Flett, M. Manore, B. Ramsay, J. Falkingham

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensCanadian Hydrographic Service
Organismes subventionnairesnon disponible
Mots-clésService (business)Computer scienceSystems engineeringSpace (punctuation)Remote sensingEngineeringGeographyBusiness

Résumé

récupéré en direct d'OpenAlex

As one of the world's largest operational users of RADARSAT-1 data, the Canadian Ice Service (CIS) is looking forward to the future launch of RADARSAT-2. The RADARSAT-2 mission, including both the Space and Ground segments, promises several technical enhancements beyond RADARSAT-1, which should be beneficial to the CIS. Towards that end and to prepare for operational use of the data, the CIS has been working closely with the Canadian Space Agency (CSA) and MacDonald Detwiller (MDA), particularly on the Ground Segment, to ensure that the RADARSAT-2 system will best meet our operational needs. Additionally, the CIS is investigating the operational utility to be gained from some of the advanced capabilities of the SAR sensor, specifically the selective single-, dual-, and quad-polarization modes. In this paper we briefly examine, from an operational perspective, various elements and enhancements of the RADARSAT-2 Space and Ground segments, and issues concerning data usage to be addressed in order to maximize the operational utility of RADARSAT-2 data at the CIS.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil0,960

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 Opus0,060
Tête enseignante GPT0,246
Écart entre enseignants0,186 · 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'étudeSans objet
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

Citations4
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207