MétaCan
Menu
Retour à la cohorte
Enregistrement W3126598122 · doi:10.3390/rs13030487

Forest Height Estimation Using a Single-Pass Airborne L-Band Polarimetric and Interferometric SAR System and Tomographic Techniques

2021· article· en· W3126598122 sur OpenAlexfundaboutno aff
Yué Huang, Qiaoping Zhang, Laurent Ferro-Famil

Notice bibliographique

RevueRemote Sensing · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensnon disponible
Organismes subventionnairesAgence Nationale de la RechercheAlberta InnovatesAlberta Innovates - Technology Futures
Mots-clésRemote sensingPolarimetryEstimatorElevation (ballistics)InterferometryLidarTomographic reconstructionBaseline (sea)L bandGeologyComputer scienceEnvironmental scienceArtificial intelligenceIterative reconstructionMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

This paper addresses forest height estimation for boreal forests at the test site of Edson in Alberta, Canada, using dual-baseline PolInSAR dataset measured by Intermap’s single-pass system. This particular dataset is acquired by using both ping-pong and non-ping-pong modes, which permit forming a dual-baseline TomoSAR configuration, i.e., an extreme configuration for tomographic processing. A tomographic approach, based on polarimetric Capon and MUSIC estimators, is proposed to estimate the elevation of tree top and of underlying ground, and hence forest height is estimated. The resulting forest DTM and DSM over the test site are validated against LiDAR-derived estimates, demonstrating the undeniable capability of the single-pass L-band PolInSAR system for forest monitoring.

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)0,000
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 enseignants0,970
Score d'incertitude au seuil0,944

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,011
Tête enseignante GPT0,214
Écart entre enseignants0,203 · 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

Citations28
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207