MétaCan
Menu
Retour à la cohorte
Enregistrement W2411665584 · doi:10.1117/1.jrs.10.026031

Mapping advanced argillic alteration zones with ASTER and Hyperion data in the Andes Mountains of Peru

2016· article· en· W2411665584 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Applied Remote Sensing · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensUniversité de MontréalUniversité de Sherbrooke
Organismes subventionnairesJet Propulsion Laboratory
Mots-clésAluniteAdvanced Spaceborne Thermal Emission and Reflection RadiometerArgillic alterationGeologyHyperspectral imagingKaoliniteRemote sensingMultispectral imageMineralogyClay mineralsGeochemistryVolcanoDigital elevation modelVolcanic rockSeismologyHydrothermal circulation

Résumé

récupéré en direct d'OpenAlex

This study evaluates Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) and Hyperion hyperspectral sensor datasets to detect advanced argillic minerals. The spectral signatures of some alteration clay minerals, such as dickite and alunite, have similar absorption features; thus separating them using multispectral satellite images is a complex challenge. However, Hyperion with its fine spectral bands has potential for good separability of features. The Spectral Angle Mapper algorithm was used in this study to map three advanced argillic alteration minerals (alunite, kaolinite, and dickite) in a known alteration zone in the Peruvian Andes. The results from ASTER and Hyperion were analyzed, compared, and validated using a Portable Infrared Mineral Analyzer field spectrometer. The alterations corresponding to kaolinite and alunite were detected with both ASTER and Hyperion (80% to 84% accuracy). However, the dickite mineral was identified only with Hyperion (82% accuracy).

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.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,630
Score d'incertitude au seuil0,165

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 Opus0,019
Tête enseignante GPT0,227
Écart entre enseignants0,208 · 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