MétaCan
Menu
Retour à la cohorte
Enregistrement W2911382427 · doi:10.4095/313591

InSAR measurement of surface deformations in south Ontario

2019· report· en· W2911382427 sur OpenAlexaffabout
J Li, Shusen Wang, Chris Michel, H A J Russell

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésInterferometric synthetic aperture radarGeodesySurface (topology)GeologyGeographyRemote sensingGeometryMathematicsSynthetic aperture radar

Résumé

récupéré en direct d'OpenAlex

Detection of surface deformation can be measured using InSar, a geodetic technique that calculates the interference pattern which results from a difference in phase between images acquired by synthetic aperture radar (SAR). Ground surface deformation, in particular land subsidence is caused by numerous factors, such as: tectonic motion, sediment compaction, thawing permafrost, increased surface loading, Glacial Isostatic Adjustment (GIA), hydro-chemical erosion of karst, decomposition of organic material in soils, mining, anthropogenic fluid withdrawal and surface water/drainage management. Groundwater applications have commonly been completed in areas of extreme subsidence due to dehydration and collapse of fine grained sediment textures; such as in the central valley of California, Nevada, and the Mexico city area. This study examines whether there is potential application of this technique to measure changes in surface elevation in southern Ontario and whether it can be related to changes in groundwater storage. For the southern Ontario study five datasets were used to assess the ground surface deformation and the hydrogeological/hydrologic conditions within the imagery extent. Datasets included: a set of 40 Radarsat-2 images spanning five years, GPS weekly solutions, Real-time kinematic (RTK) gps data, groundwater levels, terrestrial water storage data derived from GRACE satellites and hydrologic data from the Provincial Groundwater Monitoring Network (PGMN). Differential synthetic aperture radar interferometry (D-InSAR) has sub-centimetre precision and high spatial resolution over a large area. To eliminate some of the noise and to reduce geometrical distortions (multilook) images were averaged to a 50 m resolution. A stable reference site RTK TWOO was used a reference point. The TWOO GPS measurements were then added to the InSAR time series deformation maps. Obtaining a coherent signal was difficult and resulted in clustering of signal return from urbanized areas. The roofs and corners of the buildings in urbanized areas can form permanent scatterers, resulting in a more coherent signal. Across the study area, an annual rate of 1 mm to 10 mm of subsidence is observed. The greatest amount of subsidence (> 8 mm/year) is observed along the shore of Lake Ontario. In the absence of a field campaign to support validation the study has concluded that any viable signal attributed to specific geological - hydrogeological controls is within the signal-noise ratio of the study.

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 enseignants0,019
Score d'incertitude au seuil0,066

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,034
Tête enseignante GPT0,232
Écart entre enseignants0,198 · 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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207