MétaCan
Menu
Retour à la cohorte
Enregistrement W2607573532 · doi:10.5555/arwg.2.2.fj5556t72562vv27

Using Satellite Images to Detect Land-Use Change in Al-'Ain City, United Arab Emirates

2011· article· en· W2607573532 sur OpenAlexvenueno aff
Issa El Shair, Ayman H. Nasr

Notice bibliographique

RevueArab world geographer · 2011
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueRemote Sensing and Land Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemote sensingChange detectionGround truthSatelliteLand coverLand useGeographySatellite imageryCartographyEnvironmental sciencePhysical geographyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Remote sensing data can be effectively used as an important tool to evaluate and monitor land-use and land-cover changes. Global coverage, high spatial resolution, and the revisit capabilities of modern remote sensing satellites provide us with a large amount of valuable data for accurate land-use estimation. In this study, land-use change detection for Al-'Ain city, United Arab Emirates (UAE), within approximately a ten-year period, was conducted. Three Landsat images of different dates (1984, 1989, 1993) were processed and analyzed, geometrically corrected (registered), and digitized to extract detailed land-cover information. Based on the combined use of multi-temporal satellite imagery and ancillary data, such as topographic maps, aerial photographs, and field check (ground truth) data, land-use maps with six different classes were prepared, showing the substantial rate of change and the usefulness of Landsat data in detailed mapping and in land-use change detection studies.

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 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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,962

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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)0,0010,000

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 Opus0,069
Tête enseignante GPT0,259
Écart entre enseignants0,191 · 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 tête enseignante, 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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArab world geographerMême sujetRemote Sensing and Land UseTravaux en français237 207