Evaluation of C-Band SAR for Identification of Flooded Vegetation in Emergency Response Products
Notice bibliographique
Résumé
A synthetic aperture radar (SAR) data set of the Peace Athabasca Delta, Alberta, was used to evaluate approaches to flooded vegetation mapping. A primary objective was to identify how to add a flooded vegetation layer to the Emergency Geomatics Service (EGS) SAR-derived flood products. Field data were used to identify non-flooded and flooded vegetation. A combination of statistical analyses and box plot visual inspection was used to evaluate the magnitude-only images, the polarimetric and compact polarimetric parameters/decompositions, and the coherence products for mapping flooded vegetation. This paper provides some background on the use of SAR for flood mapping, describes the data and processing methods, and presents the results of this comparison. To some degree all polarizations and techniques were effective for mapping flooded vegetation due to the increased backscatter intensity and the phase shift from the double bounce scattering. In particular, all polarization combinations, the HH/HV ratio, Shannon entropy, and the m-chi double bounce produce good separation. The water/vegetation interface remains coherent when flooded, also allowing flooded vegetation to be identified with seasonal coherence. These results demonstrate that the use of multi-mode RADARSAT Constellation Mission data for providing a flooded vegetation layer to EGS flood maps is possible.
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 | 0,001 |
| 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 ».