MétaCan
Menu
Retour à la cohorte
Enregistrement W3016957900

RADARSAT-1 Image Quality - Continuing Success in Extended Mission

2003· article· en· W3016957900 sur OpenAlexaboutno aff
Satish K. Srivastava, P. Le Dantec, B.T. Banik, G. Guertin, R. Gray, R.K. Hawkins, Kevin Murnaghan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrared Target Detection Methodologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Remote sensingComputer scienceGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

RADARSAT-1, the first Canadian SAR remote sensing satellite, was launched on November 4, 1995. After commissioning, it was put in to routine operations on April 1, 1996. Since then, it has been operating successfully, even after completing its five and a quarter years of design lifetime, and providing data to users for their intended applications. Significant effort continues to be expended in the provision of high quality products to users generated by the Canadian Data Processing Facility (CDPF). After initial calibration, both single beams and ScanSAR are monitored routinely as part of the Maintenance Phase for image quality performance. Image quality is monitored through periodic measurements of impulse response function, location error and radiometry, using images of the Amazon Rainforest and RADARSAT-1 Precision Transponders (RPTs). ScanSAR radiometry is also monitored through periodic measurements of the Amazon Rainforest. A major upgrade of the ScanSAR processor completed recently in CDPF made significant improvements in image quality and radiometry. Measured results indicate that image quality is better than system specification and maintained. This paper will describe the overall process of data acquisition, data analysis and recalibration for image quality maintenance. 1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,321
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInfrared Target Detection MethodologiesTravaux en français237 207