MétaCan
Menu
Retour à la cohorte
Enregistrement W2899478260 · doi:10.1029/2018wr023274

AirSWOT InSAR Mapping of Surface Water Elevations and Hydraulic Gradients Across the Yukon Flats Basin, Alaska

2018· article· en· W2899478260 sur OpenAlexaboutno aff
L. H. Pitcher, Tamlin M. Pavelsky, L. C. Smith, Delwyn Moller, Elizabeth H. Altenau, George H. Allen, Christine Lion, David Butman, Sarah Cooley, Jessica V. Fayne, Mark R. Bertram

Notice bibliographique

RevueWater Resources Research · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesOak Ridge National LaboratoryUK Space AgencyNational Science Foundation
Mots-clésOcean surface topographyPermafrostSurface waterWetlandLandformSWOT analysisHydrology (agriculture)Structural basinEnvironmental scienceArcticInterferometric synthetic aperture radarRemote sensingGeologySynthetic aperture radarElevation (ballistics)SatelliteSubsurface flowGeomorphologyGroundwaterOceanographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract AirSWOT, an experimental airborne Ka‐band interferometric synthetic aperture radar, was developed for hydrologic research and validation of the forthcoming Surface Water and Ocean Topography (SWOT) satellite mission (to be launched in 2021). AirSWOT and SWOT aim to improve understanding of surface water processes by mapping water surface elevation (WSE) and water surface slope (WSS) in rivers, lakes, and wetlands. However, the utility of AirSWOT for these purposes remains largely unexamined. We present the first investigation of AirSWOT WSE and WSS surveys over complex, low‐relief, wetland‐river hydrologic environments, including (1) a field‐validated assessment of AirSWOT WSE and WSS precisions for lakes and rivers in the Yukon Flats Basin, an Arctic‐Boreal wetland complex in eastern interior Alaska; (2) improved scientific understanding of surface water flow gradients and the influence of subsurface permafrost; and (3) recommendations for improving AirSWOT precisions in future scientific and SWOT validation campaigns. AirSWOT quantifies WSE with an RMSE of 8 and 15 cm in 1 and 0.0625 km2 river reaches, respectively, and 21 cm in lakes. This indicates good utility for studying hydrologic flux, WSS, geomorphic processes, and coupled surface/subsurface hydrology in permafrost environments. This also suggests that AirSWOT supplies sufficient precision for validating SWOT WSE and WSS over rivers, but not lakes. However, improvements in sensor calibration and flight experiment design may improve precisions in future deployments as may modifications to data processing. We conclude that AirSWOT is a useful tool for bridging the gap between field observations and forthcoming global SWOT satellite products.

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 enseignants0,139
Score d'incertitude au seuil0,277

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)0,0000,000

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 Opus0,092
Tête enseignante GPT0,319
Écart entre enseignants0,227 · 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

Citations42
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetClimate change and permafrostTravaux en français237 207