The New Landsat Collection-2 Digital Elevation Model
Notice bibliographique
Résumé
The Landsat Collection-2 distribution introduces a new global Digital Elevation Model (DEM) for scene orthorectification. The new global DEM is a composite of the latest and most accurate freely available DEM sources and will include reprocessed Shuttle Radar Topographic Mission (SRTM) data (called NASADEM), high-resolution stereo optical data (ArcticDEM), a new National Elevation Dataset (NED) and various publicly available national datasets including the Canadian Digital Elevation Model (CDEM) and DEMs for Sweden, Norway and Finland (SNF). The new DEM will be available world-wide with few exceptions. It is anticipated that the transition from the Collection-1 DEM at 3 arcsecond to the new DEM will be seamless because processing methods to maintain a seamless transition were employed, void filling techniques were used, where persistent gaps were found, and the pixel spacing is the same between the two collections. Improvements to the vertical accuracy were realized by differencing accuracies of other elevation datasets to the new DEM. The greatest improvement occurred where ArcticDEM data were used, where an improvement of 35 m was measured. By using theses improved vertical values in a line of sight algorithm, horizontal improvements were noted in some of the most mountainous regions over multiple 30-m Landsat pixels. This new DEM will be used to process all of the scenes from Landsat 1-8 in Collection-2 processing and will be made available to the public by the end of 2020.
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 | 0,000 |
| 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 ».