MétaCan
Menu
Retour à la cohorte
Enregistrement W2167594947 · doi:10.1109/tgrs.2006.887163

Analysis of the Backscattering Coefficient of Salt-Affected Soils Using Modeling and RADARSAT-1 SAR Data

2007· article· en· W2167594947 sur OpenAlexafffund
Ziad Aly, F. Bonn, Ramata Magagi

Notice bibliographique

RevueIEEE Transactions on Geoscience and Remote Sensing · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesCanadian Space Agency
Mots-clésSynthetic aperture radarSoil waterBackscatter (email)Remote sensingSoil scienceEnvironmental scienceWater contentSalinitySoil salinityCorrelation coefficientInterferometric synthetic aperture radarGeologyGeotechnical engineeringMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

Salt significantly changes the backscattering coefficient of wet soil. This is easily observed on RADARSAT-1 synthetic aperture radar (SAR) images acquired over a salty depression located in the Egyptian desert. The aim of this paper is to use backscattering models to understand the behavior of the backscattering coefficient over salt-affected soils and to evaluate the possibility of monitoring the salt content. Simulations conducted over salt-affected soils show a lower sensitivity of these models to soil moisture compared to nonaffected soils. Besides, there is no model suitable to represent the variation of the backscattering coefficient due to changes in soil salinity. These results are discussed with regard to the magnitude of the two components of the dielectric constant (epsiv' and epsiv''). Based on a series of relationships, we propose a parametric formulation that allows us to determine the salinity acting on RADARSAT-1 SAR images without any use of backscattering models

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,723
Score d'incertitude au seuil0,891

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,025
Tête enseignante GPT0,262
Écart entre enseignants0,236 · 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'étudeSimulation ou modélisation
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

Citations50
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Geoscience and Remote SensingMême sujetSoil Moisture and Remote SensingTravaux en français237 207