Evaluation and Analysis of Uncertainty on Lake Elevation Measurement Performance of GEDI in the U.S. and Canada
Notice bibliographique
Résumé
GEDI (Global Ecosystem Dynamics Investigation) data was analyzed by orbit and by each lake to understand waveform characteristics and define filtering criteria for improved water surface elevation measurement. The L2A data were filtered using guidance provided in the L2A Algorithm Theoretical Basis Document (ATBD). Further adjustment and filtering were applied to identify outliers and improve the accuracy of GEDI elevation measurement. The daily, weekly, and monthly time series of lake elevation were compared at each lake for each of the eight GEDI beams. For seven lakes in North America, GEDI elevation estimates exhibited an overall good agreement with in-situ water levels from local gauges with a mean elevation bias of 0.23 m and Pearson correlation coefficient of 0.70. The comparison of GEDI elevations to those from the HYDROWEB database had a mean elevation bias of 0.12 m and correlation coefficient of 0.61. Over the seven lakes, the bias between GEDI elevations and in-situ data ranged from -0.10 m to +0.53 m with a correlation coefficient ranging from 0.52 to 0.84. The bias between GEDI elevations and satellite-based data ranged from -0.31 m to +0.37 m with a correlation coefficient ranging from 0.38 to 0.82. This work emphasizes the feasibility of GEDI data for accurately calculating lake water levels and has the potential to further our knowledge of lakes' hydrological significance, particularly in the data limited area in the world.
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 | 0,013 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».