MétaCan
Menu
Retour à la cohorte
Enregistrement W2762225601 · doi:10.3390/geosciences7040105

SAR Imaging of Archaeological Sites on Intertidal Flats in the German Wadden Sea

2017· article· en· W2762225601 sur OpenAlexfundno aff
Martin Gade, Jörn Kohlus, Cornelia Kost

Notice bibliographique

RevueGeosciences · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArchaeological Research and Protection
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Space AgencyDeutsches Zentrum für Luft- und Raumfahrt
Mots-clésIntertidal zoneSynthetic aperture radarGeologyArchaeologyRemote sensingAeolian processesGeographyOceanographyPaleontology

Résumé

récupéré en direct d'OpenAlex

We show that high-resolution space-borne synthetic aperture radar (SAR) imagery with pixel sizes smaller than 1 m2 can be used to complement archaeological surveys on intertidal flats. After major storm surges in the 14th and 17th centuries (“Grote Mandrenke”), vast areas on the German North Sea coast were lost to the sea. Areas of settlements and historical farmland were buried under sediments for centuries, but when the surface layer is driven away under the action of wind, currents, and waves, they appear again on the Wadden Sea surface. However, frequent flooding and erosion of the intertidal flats make any archaeological monitoring a difficult task, so that remote sensing techniques appear to be an efficient and cost-effective instrument for any archaeological surveillance of that area. Space-borne SAR images clearly show remains of farmhouse foundations and of former systems of ditches, dating back to the times before the “Grote Mandrenke”. In particular, the very high-resolution acquisition (“staring spotlight”) mode of the TerraSAR/TanDEM-X satellites allows detecting various kinds of remains of historical land use at high precision. Moreover, SARs working at lower microwave frequencies (e.g., that on Radarsat-2) may complement archaeological surveys of historical cultural traces, some of which have been unknown so far.

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 enseignants0,009
Score d'incertitude au seuil0,017

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
Bibliométrie0,0010,001
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 Opus0,047
Tête enseignante GPT0,312
Écart entre enseignants0,265 · 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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeosciencesMême sujetArchaeological Research and ProtectionTravaux en français237 207