The impact of sensors for satellite derived bathymetry within the Canadian Arctic
Notice bibliographique
Résumé
Canada’s coastline presents challenges for charting. Within Arctic regions, in situ surveying presents risks to surveyors, is time consuming and costly. To better meet its mandate, the Canadian Hydrographic Service (CHS) has been investigating the potential of remote sensing to complement traditional charting techniques. Much of this work has focused on evaluating the effectiveness of empirical satellite derived bathymetry (SDB) techniques within the Canadian context. With greater knowledge of applying SDB techniques within Canadian waters, CHS is now interested in understanding how characteristics of optical sensors can impact SDB results. For example, how does the availability of different optical bands improve or hinder SDB estimates? What is the impact of spatial resolution on SDB accuracy? Do commercial satellites offer advantages over freely available data? Through application of a multiple band modelling technique to WorldView-2, Pléiades, PlanetScope, SPOT, Sentinel-2, and Landsat-8 imagery obtained over Cambridge Bay, Nunavut, this paper provides insight into these questions via comparisons with in situ survey data. Result highlights in the context of these questions include the following:•Similarities between sensors: Overall linear error at 90% (LE90) results for each sensor ranged from 0.88 to 1.91 m relative to in situ depths, indicating consistency in the accuracy of SDB estimates from the examined satellites. Most estimates achieved Category of Zone of Confidence level C accuracy, the suggested minimum survey accuracy level for incorporating SDB information into navigational charts.•SDB coverage: Between sensors, differences in the area of the sea floor that could be measured by SDB were apparent, as were differences in the ability of each sensor to properly represent spatial bathymetry characteristics.•Sensor importance: Though relationships between SDB accuracy and sensor resolution were found, significant advantages or disadvantages for particular sensors were not identified, suggesting that other factors may play a more important role for SDB image selection (e.g., sea floor visibility, sediments, waves).
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».