Revealing Active Mars with HiRISE Digital Terrain Models
Notice bibliographique
Résumé
Many discoveries of active surface processes on Mars have been made due to the availability of repeat high-resolution images from the High Resolution Imaging Science Experiment (HiRISE) onboard the Mars Reconnaissance Orbiter. HiRISE stereo images are used to make digital terrain models (DTMs) and orthorectified images (orthoimages). HiRISE DTMs and orthoimage time series have been crucial for advancing the study of active processes such as recurring slope lineae, dune migration, gully activity, and polar processes. We describe the process of making HiRISE DTMs, orthoimage time series, DTM mosaics, and the difference of DTMs, specifically using the ISIS/SOCET Set workflow. HiRISE DTMs are produced at a 1 and 2 m ground sample distance, with a corresponding estimated vertical precision of tens of cm and ∼1 m, respectively. To date, more than 6000 stereo pairs have been acquired by HiRISE and, of these, more than 800 DTMs and 2700 orthoimages have been produced and made available to the public via the Planetary Data System. The intended audiences of this paper are producers, as well as users, of HiRISE DTMs and orthoimages. We discuss the factors that determine the effective resolution, as well as the quality, precision, and accuracy of HiRISE DTMs, and provide examples of their use in time series analyses of active surface processes on Mars.
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 ».