Pair Selection Optimization for InSAR Time Series Processing
Notice bibliographique
Résumé
The ever-increasing amount of SAR data motivates the development of automatic processing chains to fully exploit the opportunities offered by these large databases. The InSAR Mass processing Toolbox for Multidimensional time series (MasTer) is an optimized tool to automatically download SAR data, select the interferometric pairs, perform the interferometric mass processing, compute the geocoded deformation maps, invert and display the velocity maps and the 2D time series on a web page updated incrementally as soon as a new image is available. New challenges relate to data management and processing load. We address them through methodological improvements dedicated to optimizing the InSAR pair selection. The proposed algorithm narrows the classical selection based on the shortest temporal and spatial baselines thanks to a coherence proxy and balances the use of each image as Primary and Secondary images thanks to graph theory methods. We apply the processing to three volcanic areas characterized with different climate, vegetation and deformation characteristics: the Virunga Volcanic Province (DR Congo), the Reunion Island (France) and the Domuyo and Laguna del Maule area (Chile-Argentina border). Compared to pair selection based solely on baseline criteria, this new tool produces similar velocity maps while reducing the total number of computed differential InSAR interferograms by up to 75\%, which drastically reduces the computation time. The optimization also allows to reduce the influence of DEM errors and atmospheric phase screen, which increase the signal-to-noise ratio of the inverted displacement time series.
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 ».