Super-high-resolution aerial imagery datasets of permafrost landscapes in Alaska and northwestern Canada
Notice bibliographique
Résumé
Abstract. Permafrost landscapes across the Arctic are very susceptible to a warming climate and are currently experiencing rapid change. High-resolution remote sensing datasets present a valuable source of information to better analyze and quantify current permafrost landscape characteristics and impacts of climate change on the environment. In particular, aerial datasets can provide further understanding of permafrost landscapes in transition due to local and widespread thaw. We here present a new dataset of super-high-resolution digital orthophotos, photogrammetric point clouds, and digital surface models that we acquired over permafrost landscapes in northwestern Canada, northern, and western Alaska. The imagery was collected with the Modular Aerial Camera System (MACS) during aerial campaigns conducted by the Alfred Wegener Institute in the summers of 2018, 2019, and 2021. The MACS was specifically developed by the German Aerospace Center (DLR) for operation under challenging light conditions in polar environments. It features cameras in the optical and the near-infrared wavelengths with up to 16 megapixels. We processed the images to four-band (blue – green – red – near-infrared) orthomosaics, digital surface models with spatial resolutions of 7 to 20 cm, and 3D point clouds with point densities up to 44 pts/m3. This super-high-resolution dataset provides opportunities for generating detailed training datasets of permafrost landform inventories, a baseline for change detection for thermokarst and thermo-erosion processes, and upscaling of field measurements to lower-resolution satellite observations. All three regional dataset collections, along with supporting data, are available via PANGAEA; the DOIs are listed in the Code and Data Availability Section.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».