MétaCan
Menu
Retour à la cohorte
Enregistrement W4297830516 · doi:10.1080/07038992.2022.2110463

SAR Polarimetric Phase Differences in Wetlands: Information and Mis-Information

2022· article· en· W4297830516 sur OpenAlexvenueno aff
F.J. Ahern, Brian Brisco, Michael Battaglia, Laura Bourgeau‐Chavez, D. Atwood, Kevin Murnaghan

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Fish and Wildlife Service
Mots-clésPolarimetryRemote sensingBackscatter (email)WetlandEnvironmental scienceSynthetic aperture radarRadarVegetation (pathology)Climate changeGeographyGeologyScatteringOpticsPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

We have previously reported anomalous polarimetric decomposition results from SAR observations of wetlands. This is caused by the abrupt change in the phase difference between the HH and VV backscatter that occurs around the Brewster angle of the emergent vegetation. We have now developed and implemented a model for backscattering from wetlands that features a cylinder emergent from a water plane. The model was used in conjunction with an extensive set of RADARSAT-2 polarimetric observations of wetlands to provide further insights into the backscattering process. We are able to show how the abrupt Brewster transition in HH-VV phase difference varies with cylinder diameter and gravimetric moisture. We find that coherent cross-pol backscatter can result from cylindrical stems being tilted. In swamps with extensive tree mortality but primarily vertical trunks, the CPD can be used to monitor the drying of the trees and thus their fire hazard. These insights may be used to identify drying trees, indicating thawing permafrost, a potentially important climate change application in the near future. We recommend that applications researchers and users choose radar wavelengths that are considerably shorter, or longer, than the diameters of the cylinders producing the dominant double-bounce backscatter to avoid resonance effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,540

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207