MétaCan
Menu
← Retour à la cohorte
Enregistrement W2523147141 · doi:10.1117/12.2238270

Modeling geophysical properties of the Algodones Dunes from field and laboratory hyperspectral goniometer measurements using GRIT and comparison with G-LiHT imagery

2016· article· en· W2523147141 sur OpenAlexaboutno aff
Charles M. Bachmann, Brittany Ambeau, Carrie Griffo, Justin Harms, Emily Myers, Gregory Badura

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesBreast Cancer Research FoundationNational Aeronautics and Space Administration
Mots-clésGoniometerHyperspectral imagingGeologyRemote sensingField (mathematics)OpticsMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

We measure and describe the angular dependence of field and laboratory hyperspectral reflectance measurements of sediments from the Algodones Dunes, CA using the Goniometer of the Rochester Institute of Technology (GRIT) and compare with NASA G-LiHT hyperspectral imagery. G-LiHT imagery was acquired concurrently during a joint field experiment in March 2015 conducted by NASA Goddard, South Dakota State University, University of Arizona, University of Lethbridge, and Rochester Institute of Technology (RIT). Radiative transfer models1 and our own observations10 demonstrate that the angular dependence observed in the bidirectional reflectance distribution (BRDF)1,2,3,4,5,6 is strongly influenced by factors such as density, grain size distribution, moisture content, and surface roughness.5,6,7,8,9 Hapke’s model applied to a uniform sediment predicts increasing reflectance as density increases, however, we have observed that multiple scattering and the presence of optically contrasting mineral fractions can lead to the opposite trend.9,10 The degree of multiple scattering is influenced by incident illumination zenith angle, which determines whether the Hapke prediction is observed or the opposite trend.10 To better match observations, modifications of the model are necessary.10 In this paper, we consider some initial work showing the relationship between NASA G-LiHT hyperspectral imagery and GRIT10 field and laboratory BRDF and GRIT-Two (GRIT-T)11 laboratory BRDF. We also discuss preliminary work using this data for retrieval of geophysical properties of the sediment such as density from multi-angular measurements.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,205
Écart entre enseignants0,188 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE→Même sujetRemote Sensing in Agriculture→Travaux en français237 207→