Thirty years of satellite derived bathymetry – The charting tool that hydrographers can no longer ignore
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.
Notice bibliographique
Résumé
Thirty years after being introduced into national chart series, Satellite Derived Bathymetry (SDB) charts are still struggling to be recognised as valid navigation documents, capable of meeting the level of confidence required by the S-44 IHO standards for hydrographic surveys. The advent of new generation satellite constellations, such as Sentinel-2*, provide improved geolocation and, thanks to higher revisit frequency, an almost unlimited capacity to detect natural dangers visible from space within the limits of the sensing instruments. Thus, this negative vision of SDB must change. Written by Hydrographers, this article aims to provide a scientific background adapted to practical Hydrography; introduce the notion of “Perfect Image”, first mentioned at the International Hydrographic Remote Sensing workshop (Ottawa, September 2018); and rehabilitate older concepts such as Depth of Penetration (DOP), which make SDB an incomparable instrument to chart the World’s shallow waters (Fig. 1). Here, “incomparable” does not mean “perfect”, as there are limits to SDB capacity to detect and quantify bottom structures that will be detailed later. *The frequent mention of Sentinel-2 should not lead the reader to believe that the authors are focussing on this constellation. The intention is to show how satellite hydrography has evolved naturally from exploiting unique images to processing large collections that provide ever-improved information, the latest example happening to be Sentinel-2.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle