MétaCan
Menu
Retour à la cohorte
Enregistrement W2150514017 · doi:10.3390/rs61010051

Slope Estimation from ICESat/GLAS

2014· article· en· W2150514017 sur OpenAlexaff
Craig Mahoney, Natascha Kljun, S. O. Los, L. Chasmer, Jörg Hacker, Christopher Hopkinson, Peter North, J. Rosette, Eva van Gorsel

Notice bibliographique

RevueRemote Sensing · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesConsortium of International Agricultural Research CentersVetenskapsrådetLunds UniversitetNational Centre for Earth ObservationNatural Environment Research CouncilSight Research UK
Mots-clésShuttle Radar Topography MissionDigital elevation modelLidarRemote sensingAltimeterElevation (ballistics)GeologySatelliteMean squared errorRadarFootprintEnvironmental scienceGeodesyGeometryComputer scienceMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

We present a novel technique to infer ground slope angle from waveform LiDAR, known as the independent slope method (ISM). The technique is applied to large footprint waveforms (\(\sim\) mean diameter) from the Ice, Cloud and Land Elevation Satellite (ICESat) Geoscience Laser Altimeter System (GLAS) to produce a slope dataset of near-global coverage at \(0.5^{\circ} \times 0.5^{\circ}\) resolution. ISM slope estimates are compared against high resolution airborne LiDAR slope measurements for nine sites across three continents. ISM slope estimates compare better with the aircraft data (R\(^{2}=0.87\) and RMSE\(=5.16^{\circ}\)) than the Shuttle Radar Topography Mission Digital Elevation Model (SRTM DEM) inferred slopes (R\(^{2}=0.71\) and RMSE\(=8.69^{\circ}\)) ISM slope estimates are concurrent with GLAS waveforms and can be used to correct biophysical parameters, such as tree height and biomass. They can also be fused with other DEMs, such as SRTM, to improve slope estimates.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,962
Score d'incertitude au seuil0,999

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)0,0000,002

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 Opus0,009
Tête enseignante GPT0,228
Écart entre enseignants0,218 · 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.

Devis d'étudeAutre devis
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

Citations27
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207