Notice bibliographique
Résumé
Digital elevation models (DEMs) extracted from high-resolution stereo images (SPOT-5, EROS and IKONOS) using a three-dimensional (3-D) multi-sensor physical model developed at the Canada Centre for Remote Sensing, Natural Resources Canada were evaluated. Firstly, the photogrammetric stereo-bundle adjustment was set-up with few accurate ground control points. DEMs were then generated using an area-based multi-scale image matching method and then compared to 0.2-m accurate lidar elevation data. Elevation linear errors with 68% confidence level (LE68) of 6.5 m, 20 m and 6.4 m were achieved for SPOT, EROS and IKONOS, respectively. The worse results for EROS are mainly due to its asynchronous orbit, which generate large geometric and radiometric differences between the stereo-images. When these differences are not large (such as in the middle of the stereo-pair), 10-m LE68 was achieved. Since SPOT and IKONOS DEMs were in fact a digital terrain surface model where the elevation of land covers (trees, houses) is included, the elevation accuracy is performed depending on the land cover types. LE68 of 1-2 m were obtained for bare surfaces and lakes. However, when compared to sensor resolution, SPOT achieved better results than IKONOS: half-pixel versus 1.5 pixels. On the other hand, LE68 of 4 m to 6.6 m were obtained depending on the forest types (deciduous, conifer, mixed or sparse) and its surface elevation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 ».