Landsat-7 ETM+ and Landsat-5 TM Cross-Calibration Based on Tandem Data Sets
Notice bibliographique
Résumé
Early in its mission, the Landsat-7 spacecraft was temporarily in a tandemorbit that drifted across that of the Landsat-5 spacecraft in order to facilitate sensor cross-calibration based on nearly-coincident scenes acquired by the Landsat-7 Enhanced Thematic Mapper Plus (ETM+) and Landsat-5 Thematic Mapper (TM). This paper presents a methodology for radiometric cross-calibration of the solar reflective spectral bands of the Landsat-7 ETM+ and Landsat-5 TM sensors and results based on analysis of two different tandem image pairs for which ground reference data are available. With the well-calibrated ETM+ as a reference, the tandem-based cross-calibrations for the two image pairs yield TM responsivity coefficients that are consistent to each other to within a few percent or better depending on the spectral band. Comparisons with independent methods and results obtained by other groups indicate that the tandem-based cross-calibration is in close agreement with the independent results in spectral bands 1-4 but compares less favourably in bands 5 and 7. The methodology also incorporates adjustments for spectral band differences between the two Landsat sensors. Spectral band difference effects are shown to be more dependent on the surface reflectance spectrum than on atmospheric and illumination conditions. A variety of target types are assessed regarding their suitability for Landsat radiometric cross-calibration in the absence of surface reflectance spectra.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».