Spectral-analysis-based extraction of land disturbances arising from oil and gas development in diverse landscapes
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.
Notice bibliographique
Résumé
Accurate and frequent monitoring of land surface changes arising from oil and gas exploration and extraction is a key requirement for the responsible and sustainable development of these resources. Petroleum deposits typically extend over large geographic regions but much of the infrastructure required for oil and gas recovery takes the form of numerous small-scale features (e.g., well sites, access roads, etc.) scattered over the landscape. Increasing exploitation of oil and gas deposits will increase the presence of these disturbances in heavily populated regions. An object-based approach is proposed to utilize RapidEye satellite imagery to delineate well sites and related access roads in diverse complex landscapes, where land surface changes also arise from other human activities, such as forest logging and agriculture. A simplified object-based change vector approach, adaptable to operational use, is introduced to identify the disturbances on land based on red–green spectral response and spatial attributes of candidate object size and proximity to roads. Testing of the techniques has been undertaken with RapidEye multitemporal imagery in two test sites located at Alberta, Canada: one was a predominant natural forest landscape and the other landscape dominated by intensive agricultural activities. Accuracies of 84% and 73%, respectively, have been achieved for the identification of well site and access road infrastructure of the two sites based on fully automated processing. Limited manual relabeling of selected image segments can improve these accuracies to 95%.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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