Satellite derived bathymetry for Arctic charting: a review of sensors and techniques for operational implementation within the Canadian Hydrographic Service
Notice bibliographique
Résumé
Canada’s coastline presents challenges for navigational charting. Within Arctic regions, in situ surveying presents risks to surveyors, is time consuming and costly. To better meet its mandate, the Canadian Hydrographic Service (CHS) has been investigating the potential of remote sensing to compliment traditional charting techniques. This paper focuses on an evaluation of sensors and techniques for operational Satellite Derived Bathymetry (SDB) implementation. Analysis focused on Cambridge Bay, Nunavut using Pléiades, SPOT, WorldView and PlanetScope imagery. Multiple SDB techniques were applied to evaluate their agreement with in-situ bathymetric measurements: • An empirical logarithm band ratio approach. • A multiple band modeling technique. • A multi-dimensional Look-Up-Table approach. Through this analysis, CHS attempted to answer critical questions for operational SDB implementation: • Do specific optical sensors offer advantages for SDB? • Are there advantages/disadvantages with the application of SDB techniques within the examined environment? • Can multiple SDB techniques improve CHS’s understanding of the confidence it can place in remotely sensed bathymetry estimates? Early results have achieved overall root mean square errors of 0.56 to 0.99 m relative to in situ survey depths for all sensors and techniques. These similarities suggest that CHS can be confident in the accuracies observed from various SDB approaches. Results do not indicate significant advantages or disadvantages of particular optical sensors, suggesting other factors contain greater importance for SDB image selection (e.g. sea floor visibility). While this analysis provides excellent information for operational empirical SDB implementation within Arctic environments, further work is required within other Canadian coastal regions to support national SDB application.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».