MétaCan
Menu
← Retour à la cohorte
Enregistrement W2910392088

IWI Red River Basin Mapping 2008-2010 - LiDAR

2015· dataset· en· W2910392088 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLidarTotal stationRemote sensingGeographyDrainage basinInertial measurement unitStructural basinEnvironmental scienceCartographyGeologyEngineeringGeomorphology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

this lidar data is the result of private and government entities working together under the guidance of the international water institute iwi regarding the red river basin mapping initiative rrbmi the usace st louis district was one of the major contributors in this funding effort fugro horizons inc in cooperation with north west geomatics and fugro earthdata acquired lidar with leica sensor als50 ii mpia for the red river basin the red river basin covers nd mn sd and flows into canada the us red river basin boundary covers 40 860 sq with add on counties is approximately 47 100 sq miles acquisition was planned between spring 2008 and spring 2010 lidar sensor settings included acquisition at 8 000 amt 45 degree field of view 6 626ft swath width maximum along track spacing occurs at fov edge of 2 56m in overlap areas maximum cross track spacing occurs at nadir 2 16 meter average post spacing of 1 35m point density average of 0 55 points per square meter and area point average of 1 82 m 2 this sensor was also equipped with ipas inertial measuring unit imu and a dual frequency airborne gps receiver color film was acquired at 17 500 amt and its accuracy can support 0 5m ortho photography final deliverables for the lidar are in utm zone 14 coordinate system nad83 cors96 navd88 geod03 meters tiled 2 000m x 2 000m with an xy naming convention deliverables bareearth contains bare earth class 2 keypoints class 8 and red river class 9 las files have a leading b identifier first_returns contains lidar first return las files with a leading f identifier flight logs and jpgs grids_ascii 1m arc grid created from key points bare earth lidar with a leading a identifier grids_integer 1m arc grid z in centimeters created from grids_ascii with a leading g identifier hybrid hybrid 1m pixel b w tiffs with georeferencing created from lidar intensity and raw lidar hillshade leading h identifier metadata contains metadata file s processing_report includes rmse s and acquisition details raw raw lidar corrected to ground las files with a leading r identifier intensity data and return will be included 2 ground 6 building 8 model keypoint 9 water conditional on breaklines 12 overlap film at report survey report blocks abcd detail surveyor field notes and pictures of controlpoints

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)0,001
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,025

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 Opus0,021
Tête enseignante GPT0,239
Écart entre enseignants0,218 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing and LiDAR Applications→Travaux en français237 207→