Evaluating simulated compact polarimetry for Emergency Geomatics Service flood mapping
Notice bibliographique
Résumé
When severe flooding occurs in Canada, the Emergency Geomatics Service (EGS) is tasked with creating and disseminating maps that depict the flood extent in near real time. These maps delineate open water and flooded vegetation and are created using a combination of raster image processing, machine learning classification, and threshold-based region growing. The predominant data source used to create these maps is synthetic aperture radar (SAR) imagery from RADARSAT-2 (R2). With the commissioning phase of the RADARSAT Constellation Mission (RCM) nearing completion, the EGS must adapt its methods for use with what is expected to be the EGS's new default source of SAR data. The introduction of RCM's circular-transmit linear-receive (CTLR) beam mode provides the option to exploit compact polarimetric (CP) information not previously available through R2. The aim of this study is to determine the most effective CP parameters for use in mapping open water and flooded vegetation by applying current EGS methodologies, as well as to assess the quality of these products in comparison to products created using R2 data. Nineteen quad-polarization R2 scenes selected from three regions prone to springtime flooding were used to create reference flood maps using current EGS methodologies. These scenes were also used to simulate RCM CP data that included 22 parameters at three different noise floors and spatial resolutions representative of three RCM beam modes. Using a multi-criteria ranking procedure, CP parameters were ranked in order of importance and entered into a stepwise classification procedure for evaluation against reference R2 products. Results suggest the top four CP parameters - m-chi-volume or m-delta-volume, RR intensity, Shannon Entropy intensity (SEi), and RV intensity - achieved a minimum omission and commission, and maximum agreement with baseline R2 products when evaluated across all 19 scenes and three beam modes. Separability analyses between manually delineated flooded vegetation polygons and other land cover classes identified four candidate CP parameters - RH intensity, RR intensity, SEi, and the first Stokes parameter (SV0) - suitable for threshold-based flooded vegetation region growing. Region growing thresholds based on CP values beneath flooded vegetation polygons were found to be dependent on incidence angle for each of these four parameters. After region growing flooded vegetation using established threshold values for each of the four candidate CP parameters, results were evaluated against flooded vegetation polygons to assess omission error, and against upland land cover to assess commission error, wherein RH intensity was deemed best to map flooded vegetation. The results of the study are a set of suitable CP parameters to generate flood maps from RCM data using current EGS methodologies that must be verified and validated further once real RCM data become available.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».