Notice bibliographique
Résumé
Since the first spacecraft-based synthetic aperture radar (SAR) mission NASA’s SEASAT in 1978 radars have been flown in Low Earth Orbit (LEO) by other national space agencies including the Canadian Space Agency, European Space Agency, India Space Research Organization and the Japanese Aerospace Exploration Agency. Improvements in electronics, miniaturization and production have allowed for the deployment of SAR systems on aircraft for usage in agriculture, hazards assessment, land-use management and planning, meteorology, oceanography and surveillance. LEO SAR systems still provide a range of needful and timely information on large and small-scale weather conditions like those found across the Arctic where ground-base weather radars currently provide limited coverage. For investigators of solid-earth deformation attention must be given to the atmosphere on Interferometric SAR (InSAR) by aircraft and spacecraft multi-pass operations. Because radar has the capability to penetrate earth materials at frequencies from the P- to X-band attention must be given to the frequency dependent penetration depth and volume scattering. This is the focus of our new research project: to test the penetration depth of L-band SAR/InSAR by aircraft and spacecraft systems at a test site in Arctic Alaska using multi-frequency analysis and progressive burial of radar mesh-reflectors at measured depths below tundra while monitoring environmental conditions. Knowledge of the L-band penetration depth on lowland Arctic tundra is necessary to constrain analysis of carbon mass balance and hazardous conditions arising from permafrost degradation and thaw, surface heave and subsidence and thermokarst formation at local and regional scales.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».