MétaCan
Menu
Retour à la cohorte
Enregistrement W2316234932 · doi:10.1080/17445647.2015.1124057

White Glacier 2014, Axel Heiberg Island, Nunavut: mapped using Structure from Motion methods

2016· article· en· W2316234932 sur OpenAlexafffundabout
Laura Thomson, Luke Copland

Notice bibliographique

RevueJournal of Maps · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesW. Garfield Weston FoundationNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésGlacierGeologyOrthophotoGlacier mass balanceDigital elevation modelTidewater glacier cycleRemote sensingTopographic map (neuroanatomy)GeomorphologyPhysical geographyGlacier morphologyGeodesyCartographyGeographyIce streamCryosphereClimatologyIce calving

Résumé

récupéré en direct d'OpenAlex

We use Structure from Motion software to generate a new digital elevation model (DEM) of White Glacier, Axel Heiberg Island, Nunavut, using >400 oblique aerial photographs collected in July 2014. Spatially and radiometrically high-resolution imagery, optimized camera settings, low angle lighting conditions, and photo post-processing methods together supported the detection of small but distinct features on the surface of the snowpack and enabled feature matching during the image correlation process. The resulting DEM and orthoimage facilitated the production of a new 1:10,000 topographic map with 5 m vertical accuracy in the style of earlier cartographic works of White Glacier dating back to 1960. The new map of White Glacier will support calculation of the glacier's geodetic mass balance (mass change determined from ice volume change over the past 54 years) and provides an updated glacier hypsometry (area-elevation distribution) that will improve the accuracy of future mass balance calculations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,175
Score d'incertitude au seuil0,352

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,266
Écart entre enseignants0,240 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations22
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of MapsMême sujetCryospheric studies and observationsTravaux en français237 207