River-ice and water velocities using the Planet optical cubesat constellation
Notice bibliographique
Résumé
Abstract. The PlanetScope constellation consists of ∼150 optical cubesats that are evenly distributed like strings of pearls on two orbital planes, scanning the Earth's land surface once per day with an approximate spatial image resolution of 3 m. Subsequent cubesats on each of the orbital planes image the Earth surface with a nominal time lag of approximately 90 s between them, which produces near-simultaneous image pairs over the across-track overlaps of the cubesat swaths. We exploit this short time lag between subsequent Planet cubesat images to track river ice floes on northern rivers as indicators of water surface velocities. The method is demonstrated for a 60 km long reach of the Amur River in Siberia, and a 200 km long reach of the Yukon River in Alaska. The accuracy of the estimated horizontal surface velocities is of the order of ±0.01 m s−1. The application of our approach is complicated by cloud cover and low sun angles at high latitudes during the periods where rivers typically carry ice floes, and by the fact that the near-simultaneous swath overlaps, by design, do not cover the complete Earth surface. Still, the approach enables direct remote sensing of river surface velocities for numerous cold-region rivers at a number of locations and occasionally several times per year – which is much more frequent and over much larger areas than currently feasible. We find that freeze-up conditions seem to offer ice floes that are generally more suitable for tracking, and over longer time periods, compared with typical ice break-up conditions. The coverage of river velocities obtained could be particularly useful in combination with satellite measurements of river area, and river surface height and slope.
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 | 0,001 | 0,001 |
| 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 ».