MétaCan
Menu
Retour à la cohorte
Enregistrement W2529189634 · doi:10.14358/pers.82.10.767

The Influence of Elliptical Gaussian Laser Beam on Inversion of Terrain Information for Satellite Laser Altimeter

2016· article· en· W2529189634 sur OpenAlexfundno aff
Song Li

Notice bibliographique

RevuePhotogrammetric Engineering & Remote Sensing · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaUniversity of LethbridgeNational Aeronautics and Space Administration
Mots-clésAltimeterTerrainRemote sensingGeodesyGeologyInversion (geology)SatelliteLaserGeographyGaussian beamOpticsBeam (structure)CartographySeismologyPhysicsEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Abstract The transmitted laser mode of Geosciences Laser Altimeter System (GLAS) is a significant factor in determining the received pulse waveforms, which are used for inversing target information. The inversion algorithms in the scientific literature are based on the assumption that the transmitted laser is circular Gaussian. The practical laser pattern of GLAS is not circularly symmetric, but elliptical Gaussian. The received pulse shape will contain a bias, which would cause an error in the inversion information. In this paper, we describe new theoretical models about received pulse signal and inversion errors of range, surface slope and roughness. We present the results of waveforms shape and inversion errors for three representative terrains with different surface slope and roughness. The results show that the maximal inversion errors of range, surface slope, and roughness will reach 24.25 cm, 8.82° and 4.58 m, respectively, which cannot be negligible. Therefore, the inversion information should be reevaluated and amended depending on the type of terrain.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,006
Tête enseignante GPT0,207
Écart entre enseignants0,200 · 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 revuePhotogrammetric Engineering & Remote SensingMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207