MétaCan
Menu
Retour à la cohorte
Enregistrement W3168254113 · doi:10.3390/rs13112168

3D SAR Speckle Offset Tracking Potential for Monitoring Landfast Ice Growth and Displacement

2021· article· en· W3168254113 sur OpenAlexaffabout
Byung-Hun Choe, Sergey Samsonov, Jungkyo Jung

Notice bibliographique

RevueRemote Sensing · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésGeologyGeodesyOffset (computer science)Sea iceSynthetic aperture radarShoreRemote sensingGeomorphologyClimatologyOceanographyComputer science

Résumé

récupéré en direct d'OpenAlex

This study investigates the growth and displacement of landfast ice along the shoreline of the Mackenzie Delta in Northwest Territories, Canada, by synthetic aperture radar (SAR) speckle offset tracking (SPO). Three-dimensional (3D) offsets were reconstructed from Sentinel-1 ascending and descending SAR images acquired on the same dates during the November 2017–April 2018 and October 2018–May 2019 annual cycles. The analysis revealed both horizontal and vertical offsets. The annual horizontal offsets of up to ~8 m are interpreted as landfast ice displacements caused by wind and ocean currents. The annual vertical offsets of approximately −1 to −2 m were observed from landfast ice, which are likely due to longer radar penetration up to the ice–water interface with increasing landfast ice thickness. Numerical ice thickness model estimates supported the conclusion that the cumulative vertical negative offsets correspond to the growth of freshwater ice. Time-series analysis showed that the significant growth and displacement of landfast ice in the Mackenzie Delta occurred between November and January during the 2017–2018 and 2018–2019 cycles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,013
Tête enseignante GPT0,225
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207