MétaCan
Menu
Retour à la cohorte
Enregistrement W2377453426 · doi:10.18307/2009.0201

Progress in lake water color remote sensing

2009· article· en· W2377453426 sur OpenAlexaff
Ronghua Ma, Hongtao Duan

Notice bibliographique

RevueJournal of Lake Sciences · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensASTER
Organismes subventionnairesnon disponible
Mots-clésRemote sensingOcean colorEnvironmental scienceSatelliteScale (ratio)Water qualityKey (lock)Status quoRemote sensing applicationComputer scienceMeteorologyGeologyGeographyHyperspectral imagingEngineering

Résumé

récupéré en direct d'OpenAlex

从卫星传感器、大气校正、光学特性测量、生物光学模型及水体辐射传输、水质参数反演方法等方面,系统分析了湖泊水色遥感的发展现状.湖泊水体物质组份的复杂性以及卫星传感器与实际需求的矛盾决定了湖泊水色遥感的难度.目前湖泊水色遥感在一些关键问题上仍没有实质性进步,离水色遥感监测的业务化尚有一段距离.令人欣慰的是,卫星传感器以及水色遥感反演算法的不断发展和进步,让我们看到了胜利的曙光.;We analyzed in detail the status quo of lake water color remote sensing from some aspects of satellite sensor, atmospheric correction, optical properties measurement, bio-optical model, radiative transfer model for the waters, and water quality parameter retrieval approach. It has a great difficulty to have practical application of water color remote sensing at a regional scale at present, depending on the complex components of lake water and on the inconsistency between satellite sensor and its actual demand from water quality monitoring. The progress in some key problems for lake water color remote sensing is still small, and there is a long way to go in applications of lake water color remote sensing. However, to be greatly pleasure, the satellite sensor and water color parameter retrieval approach are developing and making progresses, and the application in the future is hopeful.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil0,959

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,015
Tête enseignante GPT0,231
Écart entre enseignants0,216 · 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

Citations48
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lake SciencesMême sujetMarine and coastal ecosystemsTravaux en français237 207