Tracking Dynamic Northern Surface Water Changes with High-Frequency Planet CubeSat Imagery
Notice bibliographique
Résumé
Recent deployments of CubeSat imagers by companies such as Planet may advance hydrological remote sensing by providing an unprecedented combination of high temporal and high spatial resolution imagery at the global scale. With approximately 170 CubeSats orbiting at full operational capacity, the Planet CubeSat constellation currently offers an average revisit time of <1 day for the Arctic and near-daily revisit time globally at 3 m spatial resolution. Such data have numerous potential applications for water resource monitoring, hydrologic modeling and hydrologic research. Here we evaluate Planet CubeSat imaging capabilities and potential scientific utility for surface water studies in the Yukon Flats, a large sub-Arctic wetland in north central Alaska. We find that surface water areas delineated from Planet imagery have a normalized root mean square error (NRMSE) of <11% and geolocation accuracy of <10 m as compared with manual delineations from high resolution (0.3–0.5 m) WorldView-2/3 panchromatic satellite imagery. For a 625 km2 subarea of the Yukon Flats, our time series analysis reveals that roughly one quarter of 268 lakes analyzed responded to changes in Yukon River discharge over the period 23 June–1 October 2016, one half steadily contracted, and one quarter remained unchanged. The spatial pattern of observed lake changes is heterogeneous. While connections to Yukon River control the hydrologically connected lakes, the behavior of other lakes is complex, likely driven by a combination of intricate flow paths, underlying geology and permafrost. Limitations of Planet CubeSat imagery include a lack of an automated cloud mask, geolocation inaccuracies, and inconsistent radiometric calibration across multiple platforms. Although these challenges must be addressed before Planet CubeSat imagery can achieve its full potential for large-scale hydrologic research, we conclude that CubeSat imagery offers a powerful new tool for the study and monitoring of dynamic surface water bodies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».