Comparison of stereo-extracted DTM from different high-resolution sensors: SPOT-5, EROS-A, IKONOS-II, and QuickBird
Notice bibliographique
Résumé
Digital elevation models (DEMs) extracted from high-resolution stereo-images (SPOT-5, EROS-A, IKONOS-II, and QuickBird) using a three-dimensional multisensor physical model developed at the Canada Centre for Remote Sensing, Natural Resources Canada were evaluated. In a first step, the photogrammetric bundle adjustment was setup for the stereo-images with few accurate ground control points. In a second step, DEMs were generated using an area-based multiscale image matching method and then compared to 0.2-m accurate light detection and ranging (LIDAR) elevation data. Elevation linear errors with 68% confidence level (LE68) of 6.5, 20, 6.4, and 6.7 m were achieved for SPOT, EROS, IKONOS, and QuickBird, respectively. The poor results for EROS are mainly due to its asynchronous low orbit, which generated large geometric and radiometric differences. However, when such differences were not large, LE68 of 10 m (four pixels) was achieved. Since the SPOT, IKONOS, and QuickBird DEMs were in fact digital surface models, where the height of land covers was included, elevation accuracy was performed only on bare surfaces (soils and lakes), where there was no difference between the stereo-extracted elevations and the LIDAR data. LE68 of 2.2, 1.5, and 1.2 m were then obtained for SPOT, IKONOS, and QuickBird, respectively. When compared to sensor resolution, multidate across-track SPOT with a smaller base-to-height (B/H) ratio of 0.77 achieved three to four times better results than same-date in-track IKONOS and QuickBird with B/H of around 1: 0.5 pixels versus 1.5 or 2 pixels.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».