Optimising camera and flight settings for ultrafine resolution mapping of artificial night-time lights using an unoccupied aerial system
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
Light pollution from artificial night-time lights (ANTLs) is a global health, economic, and environmental issue. Remote sensing and unoccupied aerial systems (UASs) provide efficient and cost-effective ways to study ANTL spatial patterns and dynamics over large areas. With ultrahigh-resolution images that can identify individual light sources, UAS offers more detailed image than satellite imagery. However, standardisation and optimisation of camera and flight settings during the acquisition ANTL UAS images is lacking. The aim of this paper is to determine the camera and flight settings to capture high-quality ANTL using a DJI Matrice 300 RTK aircraft with a Zenmuse P1 camera. It emphasises the importance of selecting appropriate camera settings for high-quality ANTL images, which can benefit future research. Results show significant image quality gains when camera and flight settings are chosen appropriately in relation to the lighting conditions. We present three experiments demonstrating a range of camera settings, and we provide practical recommendations for high-quality night-time image collection. The optimal camera settings were determined to be an exposure time of 0.0166 s, ISO of 25600, and aperture of 2.97. This experiment produced outstanding results, with 85% of images having a blur extent below 0.40.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 découle