Generation of geolocated and radiometrically corrected true reflectance surfaces in the visible portion of the electromagnetic spectrum over large bodies of water using images from a sUAS
Notice bibliographique
Résumé
The focus of this study was to develop true reflectance surfaces in the visible portion of the electromagnetic spectrum from small unmanned aerial system (sUAS) images obtained over large bodies of water when no ground control points were available. The goal of the research was to produce true reflectance surfaces from which reflectance values could be extracted and used to estimate optical water quality parameters utilizing limited in-situ water quality analyses. Multispectral imagery was collected using a sUAS equipped with a multispectral sensor, capable of obtaining information in the blue (0.475 μm), green (0.560 μm), red (0.668 μm), red edge (0.717 μm), and near infrared (0.840 μm) portions of the electromagnetic spectrum. To develop a reliable and repeatable protocol, a five-step methodology was implemented: (i) image and water quality data collection, (ii) image processing, (iii) reflectance extraction, (iv) statistical interpolation, and (v) data validation. Results indicate that the created protocol generates geolocated and radiometrically corrected true reflectance surfaces from sUAS missions flown over large bodies of water. Subsequently, relationships between true reflectance values and in-situ water quality parameters were developed.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».