Pushing remote sensing capacity for climate change research in Canada’s North: POLAR’s contributions to NASA's Arctic-Boreal Vulnerability Experiment (ABoVE)
Notice bibliographique
Résumé
The Arctic Boreal Vulnerability Experiment (ABoVE) is a 10-year NASA project. It assesses space-based and airborne remote sensing technologies and the way ecosystems respond to environmental change. ABoVE covers Alaska and much of northwestern Canada, from boreal forests up to the high Arctic tundra. Polar Knowledge Canada (POLAR) plays a leading role for Canada’s contributions to this mission in several ways. POLAR contributes to the science plan by performing direct research at the Canadian High Arctic Research Station in Cambridge Bay, Nunavut. It also funds external projects across Canada’s North. POLAR coordinates with the Canadian Space Agency for use of Radarsat-2 satellite imagery. NASA’s Jet Propulsion Laboratory (JPL) runs a key component of ABoVE, which is also one of NASA’s largest airborne campaigns ever. JPL flies multiple surveys across the study area using various airborne sensors. The sensors measure a range of environmental characteristics. They include: changes in water, snow, land and permafrost elevations; plant-based pigments to assess changes in vegetation; wildlife migration patterns; and greenhouse gases such as carbon dioxide and methane. While JPL’s tools are tested in the air, field researchers take similar measurements on the ground. The ground results are used to validate and calibrate those taken in the air and from space. They are also used to determine the extent of environmental change. ABoVE also has an education and outreach component, often with a focus on youth. Various communities have had information sessions, lectures, and opportunities to tour the various planes and instruments.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».