MétaCan
Menu
Retour à la cohorte
Enregistrement W3046216337 · doi:10.1080/01431161.2020.1792577

Interpretation and use of geomorphometry in remote sensing: a guide and review of integrated applications

2020· article· en· W3046216337 sur OpenAlexaff
Steven E. Franklin

Notice bibliographique

RevueInternational Journal of Remote Sensing · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésRemote sensingComputer scienceField (mathematics)Variable (mathematics)Digital elevation modelTerrainData miningData scienceGeologyGeographyCartography

Résumé

récupéré en direct d'OpenAlex

An understanding of topographic surfaces and a system of geomorphometric variables underlies the effective use of Digital Elevation Models (DEMs) in remote sensing. This paper is focussed on the basic concepts and structure of geomorphometric variable types relevant to geophysical and biophysical remote sensing applications. In general, remote sensing analysts must be satisfied that there is a reasonable expectation that geomorphometric processing will benefit the remote sensing project at hand based on physical or mathematical relationships. Careful selection of local, textural, and contextual geomorphometric variables is required. The characteristics of these data can help optimize the analysis approach, which increasingly involves machine learning algorithms and Object-based DEM Analysis (OBDA) methods. Examples from the literature and a DEM of the Peterborough Drumlin Field are used to illustrate the discussion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,276
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations45
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Remote SensingMême sujetSoil Geostatistics and MappingTravaux en français237 207