MétaCan
Menu
Retour à la cohorte
Enregistrement W2557966447 · doi:10.4043/27329-ms

Arctic Monitoring: A Remote Sensing Analysis of Former Wellsites

2016· article· en· W2557966447 sur OpenAlexaffabout
Suzanne Brunke, Cynthia Dacre, Anna Ołdak, Sean M. Mercer, Greg Rockwell, Adrian Bakker, John Bertrand

Notice bibliographique

RevueArctic Technology Conference · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensImperial Oil (Canada)
Organismes subventionnairesnon disponible
Mots-clésRemote sensingNormalized Difference Vegetation IndexArcticVegetation (pathology)Synthetic aperture radarEnvironmental scienceShoreRadarPhysical geographyComputer scienceGeographyGeologyClimate changeOceanographyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract Numerous exploratory wellsites were established in Canada's Arctic during the second half of the 20th century and were subsequently closed. Due to the logistic challenges of monitoring such sites through conventional approaches, the operator engaged the service provider to conduct a study using remote sensing techniques and high-resolution optical imagery on several closed wellsites (7 sites on-shore) in the Mackenzie River Delta of Northwest Territories, Canada. The project focused on demonstrating the ability to track changes in site conditions (retrospectively), distinguishing cyclic from progressive changes, and evaluating the potential cost for routine site monitoring at different intervals. Available sources of optical imagery were used; from 1 m IKONOS to 0.5 m WorldView-2, with dates ranging from 2002 through 2014. The optical analysis utilized the Normalized Difference Vegetation Index (NDVI) ratio of near infrared and red bands to provide an index of biomass density. A variety of processing techniques and analyses were performed that focused on four major areas: relative water levels, vegetation health, condition of infrastructure, and the proximity of nearby receptors. Synthetic Aperture Radar (SAR) imagery from RADARSAT-2 was also used successfully to detect pilings that were not visible in the optical imagery.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,498
Score d'incertitude au seuil0,989

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
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,020
Tête enseignante GPT0,239
Écart entre enseignants0,219 · 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'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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArctic Technology ConferenceMême sujetGeochemistry and Geologic MappingTravaux en français237 207