MétaCan
Menu
Retour à la cohorte
Enregistrement W2390871894

Applications of high-resolution space-borne SAR in mining disaster monitoring

2011· article· en· W2390871894 sur OpenAlexaboutno aff
Xiaobo Xu

Notice bibliographique

RevueJournal of Henan Polytechnic University · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueGeoscience and Mining Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemote sensingSynthetic aperture radarInterferometric synthetic aperture radarEarth observationSatelliteHigh resolutionRadarEnvironmental scienceMeteorologyGeologyComputer scienceGeographyEngineeringTelecommunications
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

SAR(synthetic aperture radar) has more advantages of day/night capabilities,all weather capabilities,and wind/clouds/rain/snow/vegetation penetration capabilities and so on.It is the most important advance of space remote sensing and earth observation technology in recent 20 years.In the 21st century,a series of the high-resolution space-borne SAR successful operation symbolize the radar remote sensing and earth observation going into a new era.In this paper,the superiorities of the high-resolution SAR data and the application bottlenecks of the middle or low-resolution SAR data due to low-resolution are summarized.An overview of the current high-resolution sensors feature of SAR satellites in orbit,for example COSMO-Sky Med satellites of Italian,the Radarsat-2 satellite of Canada and the Terra SAR-X satellite of German,is described.The studies in the fields of geological disasters deformation monitoring by using high-resolution SAR backscatter information and phase information at home and abroad are referred,especially geological disasters monitoring in mining areas.Finally,a prospect of high-resolution SAR technology applications of mining subsidence and geological disasters monitoring is expected.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,013
Tête enseignante GPT0,193
Écart entre enseignants0,180 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Henan Polytechnic UniversityMême sujetGeoscience and Mining TechnologyTravaux en français237 207