Spectral Reflectance of Polar Bear and Other Large Arctic Mammal Pelts; Potential Applications to Remote Sensing Surveys
Notice bibliographique
Résumé
Spectral reflectance within the 350–2500 nm range was measured for 17 pelts of arctic mammals (polar bear, caribou, muskox, and ringed, harp and bearded seals) in relation to snow. Reflectance of all pelts was very low at the ultraviolet (UV) end of the spectrum (<10%), increased through the visual and near infrared, peaking at 40%–60% between 1100 and 1400 nm and then gradually dropped, though remaining above 20% until at least 1800 nm. In contrast, reflectance of snow was very high in the UV range (>90%), gradually dropped to near zero at 1500 nm, and then fluctuated between zero and 20% up to 2500 nm. All pelts could be distinguished from clean snow at many wavelengths. The polar bear pelts had higher and more uniform averaged reflectance from about 600–1100 nm than most other pelts, but discrimination was challenging due to variation in pelt color and intensity among individuals within each species. Results suggest promising approaches for using remote sensing tools with a broad spectral range to discriminate polar bears and other mammals from clean snow. Further data from live animals in their natural environment are needed to develop functions to discriminate among species of mammals and to determine whether other environmental elements may have similar reflectance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».