MétaCan
Menu
Retour à la cohorte
Enregistrement W2335416397 · doi:10.1080/07038992.2000.10874779

Remote Sensing of Grassland with RADARSAT; Case Studies from Australia and Canada

2000· article· en· W2335416397 sur OpenAlexvenueaboutno aff
Michael J. Hill, A. M. Smith, Travis Foster

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForestryGeographyCartography

Résumé

récupéré en direct d'OpenAlex

RÉSUMÉL'application potentielle des données du radar à synthèse d'ouverture RADARSAT CHH pour surveiller les prairies a été estimé aux sites d'étude australien et canadien. Les données en mode standard à 23, 34, et 47° et les données en mode fin à 25 et 49° angle d'incidence (Australie seulement) ont été obtenues au dessus de pâturages plantés et de prairies natives à “Chiswick” près d'Armidale, New South Wales (NSW) enfin de printemps et fin d'été 1996/97, et au dessus des prairies natives et cultivées à Onefour, Alberta, Canada durant l'automne 1996, le printemps et l'été 1997 et le printemps 1998. En Australie aussi bien qu'au Canada, une seule image RADARSAT avait une valeur limitée pour différencier la couverture des pâturages. Le champs dynamique de la rétrodiffusion radar des prairies était seulement de 3db pour les données Australienne, mais de 6db pour les données canadiennes due à la forme du terrain. Aux deux sites, la détection de différentes couvertures de prairies est améliorée avec l'utilisation de plus d'images en mode standard. La principale caractéristique discriminante au site canadien était la surface rugueuse due aux arrangements de canopée ou à la couverture d'herbes, accentuée par l'érosion entre ces couverts. La filtration de la texture a aidé l'extraction de différences dans la rétrodiffusion où la couverture de la prairie avait des motifs structuraux distincts. Cependant, les résultats de classification dans leur ensemble aux deux sites ne justifient pas le coût d'utiliser des images obtenues à des moments différents ou à angles d'incidence multiples. Les données de la bande C seul sont inadéquates pour la mesure quantitative et la surveillance des prairies; la polarisation peut aider, cependant, les fréquences mixtes, incluant la bande L, semblent être nécessaires pour une bonne estimation des propriétés des prairies par radar à synthèse d'ouverture.

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 candidatesaucune
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 enseignants0,926
Score d'incertitude au seuil0,808

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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,201 · 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'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

Citations10
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetRemote Sensing in AgricultureTravaux en français237 207