Analysis of Depths Derived by Airborne Lidar and Satellite Imaging to Support Bathymetric Mapping Efforts with Varying Environmental Conditions: Lower Laguna Madre, Gulf of Mexico
Notice bibliographique
Résumé
In 2017, Bureau of Economic Geology (BEG) researchers at the University of Texas at Austin (UT Austin) conducted an airborne lidar survey campaign, collecting topographic and bathymetric data over Lower Laguna Madre, which is a shallow hypersaline lagoon in south Texas. Researchers acquired 60 hours of lidar data, covering an area of 1600 km2 with varying environmental conditions influencing water quality and surface heights. In the southernmost parts of the lagoon, in-situ measurements were collected from a boat to quantify turbidity, water transparency, and depths. Data analysis included processing of Sentinel-2 L1C satellite imagery pixel reflectance to classify locations with intermittent turbidity. Lidar measurements were compared to sonar recordings, and results revealed height differences of 5–25 cm where the lagoon was shallower than 3.35 m. Further, researchers analyzed satellite bathymetry at relatively transparent lagoon locations, and the results produced height agreement within 13 cm. The study concluded that bathymetric efforts with airborne lidar and optical satellite imaging have practical limitations and comparable results in large and dynamic shallow coastal estuaries, where in-situ measurements and tide adjustments are essential for height comparisons.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».