MétaCan
Menu
Retour à la cohorte
Enregistrement W2171910332 · doi:10.5194/hess-18-2007-2014

Combining high-resolution satellite images and altimetry to estimate the volume of small lakes

2014· article· en· W2171910332 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.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueHydrology and earth system sciences · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Space AgencyCentre National d’Etudes SpatialesEuropean Space Agency
Mots-clésRemote sensingAltimeterSatelliteSynthetic aperture radarGeologyVolume (thermodynamics)Satellite imageryShoreEnvironmental scienceScale (ratio)RadarGeographyComputer scienceCartographyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. This study presents an approach to determining the volume of water in small lakes (<100 ha) by combining satellite altimetry data and high-resolution (HR) images. In spite of the strong interest in monitoring surface water resources on a small scale using radar altimetry and satellite imagery, no information is available about the limits of the remote-sensing technologies for small lakes mainly used for irrigation purposes. The lake being studied is located in the south-west of France and is only used for agricultural irrigation purposes. The altimetry satellite data are provided by an RA-2 sensor onboard Envisat, and the high-resolution images (<10 m) are obtained from optical (Formosat-2) and synthetic aperture radar (SAR) antenna (Terrasar-X and Radarsat-2) satellites. The altimetry data (data are obtained every 35 days) and the HR images (77) have been available since 2003 and 2010, respectively. In situ data (for the water levels and volumes) going back to 2003 have been provided by the manager of the lake. Three independent approaches are developed to estimate the lake volume and its temporal variability. The first two approaches (HRBV and ABV) are empirical and use synchronous ground measurements of the water volume and the satellite data. The results demonstrate that altimetry and imagery can be effectively and accurately used to monitor the temporal variations of the lake (R2ABV = 0.98, RMSEABV = 5%, R2HRBV = 0.90, and RMSEABV = 7.4%), assuming a time-varying triangular shape for the shore slope of the lake (this form is well adapted since it implies a difference inferior to 2% between the theoretical volume of the lake and the one estimated from bathymetry). The third method (AHRBVC) combines altimetry (to measure the lake level) and satellite images (of the lake surface) to estimate the volume changes of the lake and produces the best results (R2AHRBVC = 0.98) of the three methods, demonstrating the potential of future Sentinel and SWOT missions to monitor small lakes and reservoirs for agricultural and irrigation applications.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,271

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 technologies0,0000,001
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 Opus0,008
Tête enseignante GPT0,234
Écart entre enseignants0,226 · 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