MétaCan
Menu
Retour à la cohorte
Enregistrement W2368977695 · doi:10.11873/j.issn.1004-0323.2003.5.306

The Applications of High-resolution Satellite Images for Land Cover monitoring in Nanji Islands

2003· article· en· W2368977695 sur OpenAlexaff
Huang Wei-gen Zhang Hua-guo

Notice bibliographique

RevueYaogan jishu yu yingyong · 2003
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueRemote Sensing and Land Use
Établissements canadiensL'Alliance Boviteq
Organismes subventionnairesnon disponible
Mots-clésLand coverRemote sensingCohen's kappaSatelliteShoreCover (algebra)Vegetation (pathology)GeographyCartographyComputer scienceLand useGeologyEngineeringMachine learning

Résumé

récupéré en direct d'OpenAlex

This paper describes the monitoring of land covers using remote sensing technique. IKONOS imagery which is the world's first 1-meter commercialized remote sensing satellite imagery is used to obtain the land cover and its dynamic information. The methods for geometrical correction method, image fusion method and supervised classification method are discussed. The information of the land cover types of Nanji Islands is derived from these images using supervised classification method, threshold method, vegetation index method and man-machine exchange method. The results show that the natural land cover types such as meadows and shrubbery are the main types which occupy about 70% area of the Islands, that the accuracy of the supervised classification method is about 76.31% and the Kappa coefficient about 0.71. Paying the especial attention to the main island, its area and shoreline derived from IKONOS images are 752 sq. km and 34.64 km, respectively. Comparing the statistics values, their biases are 1.46% and 456%.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,245

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 Opus0,012
Tête enseignante GPT0,221
Écart entre enseignants0,210 · 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'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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYaogan jishu yu yingyongMême sujetRemote Sensing and Land UseTravaux en français237 207