MétaCan
Menu
Retour à la cohorte
Enregistrement W2973796075 · doi:10.3390/rs11182163

A High-Resolution Airborne Color-Infrared Camera Water Mask for the NASA ABoVE Campaign

2019· article· en· W2973796075 sur OpenAlexaboutno aff
Ethan D. Kyzivat, L. C. Smith, L. H. Pitcher, Jessica V. Fayne, Sarah Cooley, Matthew G. Cooper, Simon Topp, Theodore Langhorst, Merritt E. Harlan, Christopher Horvat, Colin J. Gleason, Tamlin M. Pavelsky

Notice bibliographique

RevueRemote Sensing · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesNational Aeronautics and Space Administration
Mots-clésEnvironmental scienceRemote sensingArcticThermokarstSurface waterBorealPermafrostSatellite imageryGeologyPhysical geographyOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

The airborne AirSWOT instrument suite, consisting of an interferometric Ka-band synthetic aperture radar and color-infrared (CIR) camera, was deployed to northern North America in July and August 2017 as part of the NASA Arctic-Boreal Vulnerability Experiment (ABoVE). We present validated, open (i.e., vegetation-free) surface water masks produced from high-resolution (1 m), co-registered AirSWOT CIR imagery using a semi-automated, object-based water classification. The imagery and resulting high-resolution water masks are available as open-access datasets and support interpretation of AirSWOT radar and other coincident ABoVE image products, including LVIS, UAVSAR, AIRMOSS, AVIRIS-NG, and CFIS. These synergies offer promising potential for multi-sensor analysis of Arctic-Boreal surface water bodies. In total, 3167 km2 of open surface water were mapped from 23,380 km2 of flight lines spanning 23 degrees of latitude and broad environmental gradients. Detected water body sizes range from 0.00004 km2 (40 m2) to 15 km2. Power-law extrapolations are commonly used to estimate the abundance of small lakes from coarser resolution imagery, and our mapped water bodies followed power-law distributions, but only for water bodies greater than 0.34 (±0.13) km2 in area. For water bodies exceeding this size threshold, the coefficients of power-law fits vary for different Arctic-Boreal physiographic terrains (wetland, prairie pothole, lowland river valley, thermokarst, and Canadian Shield). Thus, direct mapping using high-resolution imagery remains the most accurate way to estimate the abundance of small surface water bodies. We conclude that empirical scaling relationships, useful for estimating total trace gas exchange and aquatic habitats on Arctic-Boreal landscapes, are uniquely enabled by high-resolution AirSWOT-like mappings and automated detection methods such as those developed here.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,873
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,222
Écart entre enseignants0,200 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetClimate change and permafrostTravaux en français237 207