TerraSAR-X Data for High-Precision Land Subsidence Monitoring: A Case Study in the Historical Centre of Hanoi, Vietnam
Notice bibliographique
Résumé
In this study, subsidence patterns in the Historical Centre of Hanoi, Vietnam are mapped using the Interferometric Synthetic Aperture Radar (InSAR) technique, with particular emphasis on the stability of ancient monuments, historical buildings and archaeological sectors. Due to the small and scattered characteristics of these structures, not only is a comprehensive coverage of radar targets needed, but also the details of a single building or monument. We took advantage of the high-resolution TerraSAR-X imagery with the aid of oversampling implementation on the Small Baseline (SB) InSAR approach to reveal the subsidence patterns. A total of 6.29 million radar targets were obtained, maintaining the average density of 217,012 points/km2. Our results suggest that image oversampling not only increased the number of measurement points 4.4 times more than the standard processing chain, but also removed some of the noisiest points. The observed subsidence patterns are mostly related to adjacent groundwater extraction and construction activities, with maximum subsiding rate reaching −18.1 mm/year for the study period April 2012 to November 2013. Generally, heritage assets and monuments in the Citadel, the Old Quarter and French Quarter remain in a steady state, whereas those located along the Red River and in southern Hanoi are subject to subsidence.
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 | 0,000 | 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 ».