A multi-sensor monitoring system of surface water level changes in wetlands
Notice bibliographique
Résumé
Wetlands store roughly 10% of global surface water in the terrestrial portion of the water cycle, cover roughly 9% of the Earth’s surface, and provide critical habitat for a wide variety of plant and animal species. Over the past century, many wetland areas have been lost, degraded, or stressed mainly due to anthropogenic activities, as water diversion, agricultural development, and urbanization, but also in response to natural processes, as sea level rise and climate change. Global and regional monitoring of wetland health and response to their natural and anthropogenic stressors are important and are best conducted using space-based remote sensing techniques, due to wetlands’ vast extent and often inaccessibility. Several space-based remote sensing technologies provide high spatial resolution observations of wetland water level and its changes over time. These techniques include Synthetic Aperture Radar (SAR), optical imagery, radar and laser altimetry, and Surface Water Ocean Topography (SWOT). SAR observations include two independent observables, amplitude and phase; each observable is sensitive to different hydrological parameters. Radar and laser altimetry missions provide cm-level accuracy water level measurements along the satellite track. The SWOT mission, which is scheduled for a February 2022 launch, will use radar interferometer for repeated measurements of cm-level water level measurements over a 50-100 km wide swaths. As part of a NASA supported project, we develop a space-based multi-sensor monitoring system of surface water level changes in wetlands. The multi-sensor system will generate detailed multi-temporal maps of wetland inundation extent, water levels, and water level changes. The development of the multi-sensor monitoring system will be conducted over the south Florida Everglades, which can be considered as a natural laboratory due to its variable land cover and the availability of ground-based hydrological observations. Preliminary results based on Interferometric Synthetic Aperture Radar (InSAR) observations yielded detailed maps of water level changes of the entire Everglades wetlands with 100 m spatial resolution and 3-4 cm accuracy level. After development, the system will be tested in two other wetland areas located in Louisiana, and Peace–Athabasca Delta (Alberta, Canada).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».