MétaCan
Menu
Retour à la cohorte
Enregistrement W2786714294

Quantifying spatial variability using semivariograms

2010· book· en· W2786714294 sur OpenAlexaboutno aff
Servet Ahmet Çizmeli

Notice bibliographique

RevueLAP LAMBERT Academic Publishing eBooks · 2010
Typebook
Langueen
DomaineEarth and Planetary Sciences
ThématiqueRemote Sensing and Land Use
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemote sensingScale (ratio)Image resolutionSpatial ecologySampling (signal processing)Spatial variabilityRange (aeronautics)Temporal scalesEnvironmental scienceField (mathematics)GeographyComputer scienceCartographyMathematicsArtificial intelligenceStatisticsEngineeringComputer visionEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Natural processes occurring on the surface of the earth manifest themselves at multiple spatial scales. The amount of spatial variability revealed from remote sensing images is strongly dependent on the scale of observation. Each remote sensing image is acquired at a given spatial resolution, revealing only a limited range of the existing natural variability. The simple method presented in this book was developed for the quantification of the loss of fine-scale spatial detail in low-resolution ocean color images acquired over highly patchy coastal waters. The method can however be used for the analysis of targets other than water as well as in other types of applications like the determination of the optimum scale of observation for a field sampling campaign, the design of the spatial aspects of a new sensor, study of scale-change effects in multi-scale/multi-sensor projects and possibly in many others. The current study was accomplished in 2000 for the fulfillment of a Masters of Science degree at the Remote Sensing department of Universite de Sherbrooke under the supervision of Dr. Norm O'Neill and Jean-Claude Therriault.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,868
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,000
Intégrité de la recherche0,0040,009
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 Opus0,050
Tête enseignante GPT0,261
Écart entre enseignants0,211 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLAP LAMBERT Academic Publishing eBooksMême sujetRemote Sensing and Land UseTravaux en français237 207