MétaCan
Menu
Retour à la cohorte
Enregistrement W2896953485 · doi:10.3390/rs10101638

Ground Reflectance Retrieval on Horizontal and Inclined Terrains Using the Software Package REFLECT

2018· article· en· W2896953485 sur OpenAlexaff
Yacine Bouroubi, Wided Batita, François Cavayas, Nicolas Tremblay

Notice bibliographique

RevueRemote Sensing · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensAgriculture and Agri-Food CanadaUniversité de MontréalUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésRemote sensingEnvironmental scienceAerosolMultispectral imageAtmospheric correctionIrradianceSatelliteSoftwareReflectivityCalibrationSoftware packageTerrainGeologyOpticsMeteorologyComputer sciencePhysicsGeography

Résumé

récupéré en direct d'OpenAlex

This paper presents the software package REFLECT for the retrieval of ground reflectance from high and very-high resolution multispectral satellite images. The computation of atmospheric parameters is based on the 6S (Second Simulation of the Satellite Signal in the Solar Spectrum) routines. Aerosol optical properties are calculated using the OPAC (Optical Properties of Aerosols and Clouds) model, while aerosol optical depth is estimated using the dark target method. A new approach is proposed for adjacency effect correction. Topographic effects were also taken into account, and a new model was developed for forest canopies. Validation has shown that ground reflectance estimation with REFLECT is performed with an accuracy of approximately ±0.01 in reflectance units (for the visible, near-infrared, and mid-infrared spectral bands), even for surfaces with varying topography. The validation of the software was performed through many tests. These tests involve the correction of the effects that are associated with sensor calibration, irradiance, and viewing conditions, atmospheric conditions (aerosol optical depth AOD and water vapour), adjacency, and topographic conditions.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,024
Tête enseignante GPT0,280
Écart entre enseignants0,256 · 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'étudeSimulation ou modélisation
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetAtmospheric aerosols and cloudsTravaux en français237 207