MétaCan
Menu
Retour à la cohorte
Enregistrement W4312977786 · doi:10.1109/igarss46834.2022.9883744

Coherent Change Detection to Monitor Tillage

2022· article· en· W4312977786 sur OpenAlexafffundabout
Heather McNairn, Laura Dingle Robertson, Marco van der Kooij, Samuel Ihuoma, Xianfeng Jiao, Pamela Joosse

Notice bibliographique

RevueIGARSS 2022 - 2022 IEEE International Geoscience and Remote Sensing Symposium · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesCanadian Space Agency
Mots-clésTillageSynthetic aperture radarRemote sensingChange detectionEnvironmental scienceScatteringConstellationField (mathematics)Computer scienceGeologyPhysicsOpticsMathematicsAgronomy

Résumé

récupéré en direct d'OpenAlex

Coherent Change Detection (CCD) is applied to exact repeat passes of Synthetic Aperture Radar (SAR) images to identify subtle changes in targets and surfaces. When farmers till their fields, the soil is disturbed and this disturbance can be detected and sometimes measured by SARs. CCD is being investigated as a technique to detect tillage in the Canadian Lake Erie Basin. In this study C-band data from 12 passes of the RADARSAT Constellation Mission (RCM) are processed and compared to field observations. RCM CCD pairs are helpful to distinguish when change happens (due to harvest, tillage and chemical termination of crops). However other scattering parameters, such as volume scattering from the m-chi decomposition, will likely be required to separate harvest from tillage events.

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: Empirique
Score de désaccord entre enseignants0,852
Score d'incertitude au seuil0,737

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,013
Tête enseignante GPT0,246
Écart entre enseignants0,232 · 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

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueIGARSS 2022 - 2022 IEEE International Geoscience and Remote Sensing SymposiumMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207