Optimal Compact Polarimetric Parameters and Texture Features for Discriminating Sea Ice Types during Winter and Advanced Melt
Notice bibliographique
Résumé
C-band synthetic aperture radar (SAR) is widely used for sea ice monitoring and operational activities. The RADARSAT Constellation Mission (RCM), with its anticipated launch in 2018, will provide hybrid compact polarimetric (CP) C-band SAR data offering near-polarimetric capabilities at large image acquisition widths suitable for achieving operational and scientific objectives in the Arctic. Although C-band SAR is effective for sea ice monitoring, it is difficult to implement during advanced melt, when the sea ice cover is melting and covered by melt ponds. Ice type separability during winter (pre-melt) and advanced melt conditions was assessed using Kolmogorov–Smirnov statistical separability analyses and Support Vector Machine supervised classifications of RCM parameters simulated from 2 winter and 2 advanced melt RADARSAT-2 scenes. Through a detailed analysis of the 2 advanced melt scenes, it was found that the steep incidence angle (22.3–24.2°) simulated RCM CP parameters provide improved ice type separability during the advanced melt period compared with shallow incidence angles (39.6–42.2°). With respect to classification, an overall accuracy of 77.06% was found for a scene comprising first-year and multiyear ice types, and a higher overall accuracy of 85.91% was achieved by including gray level co-occurrence matrix parameters in the classification.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».