Quality Control Assessment of the Mission Airborne Carbon 13 (MAC-13) Hyperspectral Imagery from Costa Rica
Notice bibliographique
Résumé
. A data quality assessment of airborne hyperspectral imagery (HSI) from Mission Airborne Carbon 2013 (MAC13) is presented. Because data quality is fundamentally important for modeling landscape biophysical characteristics from HSI, this article presents an assessment related to spectral alignment, spectroradiometric calibration, and geocorrection for 2,700 km2 of imagery acquired with the CASI-1500 and SASI-644 systems (375 nm – 2523 nm, 2.5 m resampled pixel size). MODIS, in-situ and image-based estimations of aerosol optical depth are compared for calculations of visibility for atmospheric correction. Information content (dimensionality) across the 5 ecosystems and 2 developed areas are also compared to illustrate the benefit of the extensive spectral resolution of the data.New approaches to the offset corrections of the imagery improved the accuracy of the calibrated results (radiance and reflectance). Assessment of visibility values applied to the atmospheric correction adduced that apparent reflectance computed using in-scene modeled visibility produced the most similar results to ground spectra. Dimensionality analysis revealed increased information content for all ecosystems when both sensors were considered. While not every HSI issue can be completely compensated for, an appreciation of common artifacts allows users to make more informed decision about their impact on planned analysis.
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 ».