MétaCan
Menu
Retour à la cohorte
Enregistrement W4297983672 · doi:10.1029/2022wr032219

Remote Sensing of Groundwater: Current Capabilities and Future Directions

2022· article· en· W4297983672 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWater Resources Research · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueGroundwater and Watershed Analysis
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesCalifornia Institute of TechnologyJet Propulsion LaboratoryNational Aeronautics and Space Administration
Mots-clésGroundwaterRemote sensingEnvironmental scienceSatelliteInterferometric synthetic aperture radarCurrent (fluid)Synthetic aperture radarGeologyHydrology (agriculture)EngineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Globally, groundwater represents a critical natural resource that is affected by changes in natural supply and renewal, as well as by increasing human demand and consumption. However, despite its critical role, groundwater is difficult to accurately quantify as it is beneath the Earth surface. Here, we review several state‐of‐the‐art remote sensing techniques useful for local‐ to global‐scale groundwater monitoring and assessment, including proxies for groundwater extraction. These include inferring changes in subsurface water from mass changes using gravitational measurements, and analyzing changes in the Earth surface height using Interferometric Synthetic Aperture Radar, Light Detection and Ranging, Airborne Electromagnetic Systems, and satellite altimetry. Remote sensing information is often used in tandem with ground‐based observations such as hydraulic head in wells, Global Navigational Satellite System monitoring, and numerical modeling to complement the space‐based approaches. In the future, fusing different remote sensing techniques capable of operating in various environments will yield additional insight on the state and rate of use for groundwater across the globe.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,026
Tête enseignante GPT0,283
Écart entre enseignants0,257 · 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