MétaCan
Menu
Retour à la cohorte
Enregistrement W4385885811 · doi:10.55274/r0012178

PR686-203903-R02 Ongoing InSAR Geohazard Monitoring of Pipeline Right-of Ways in the Appalachian Mountains

2021· report· en· W4385885811 sur OpenAlexaff
Murray Down

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEngineering
ThématiqueGeophysical Methods and Applications
Établissements canadiens3v Geomatics (Canada)
Organismes subventionnairesnon disponible
Mots-clésRemote sensingInterferometric synthetic aperture radarLandslideGeohazardLidarPipeline (software)RadarSynthetic aperture radarGeologyComputer scienceEnvironmental scienceTelecommunicationsSeismology

Résumé

récupéré en direct d'OpenAlex

Ground displacement along pipeline corridors has the potential to compromise pipeline integrity. The Appalachian Mountain region is almost entirely classed as high landslide susceptibility by the United States Geological Survey (USGS) and crossed by numerous transmission pipelines and gathering lines. In phase I of this research project, 3vGeomatics successfully demonstrated a proof of concept on the effectiveness, reliability, and precision of using L-band ( ) SAR satellites for InSAR displacement monitoring of vegetated areas. The second phase of this project improved operational monitoring utility of long wavelength InSAR by leveraging a two and a half year dataset of long-wavelength satellite radar data with improved product formats to facilitate management of pipeline threats posed by both geohazards and third party encroachment. Potential encroachment threats are highlighted by new object detection capabilities that use the same raw SAR data to produce additional intelligence. As with the previous year's results, these phase-2 InSAR and new object detection results were compared with measurements from other sensors including differential light detection and ranging (LiDAR), visual field inspections, and aerial photographs. This project demonstrated the technological readiness and streamlined product formats delivering actionable intelligence from L-band SAR data for operational monitoring of ground displacement and other hazards over entire pipeline networks and associated infrastructure in vegetated areas. There is a related webinar.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,272
Score d'incertitude au seuil0,910

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,2720,275

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 Opus0,051
Tête enseignante GPT0,309
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeophysical Methods and ApplicationsTravaux en français237 207