MétaCan
Menu
Retour à la cohorte
Enregistrement W4394077134 · doi:10.6084/m9.figshare.14185553

Topography-correlated atmospheric signal mitigation for InSAR applications in the Tibetan plateau based on global atmospheric models

2022· dataset· en· W4394077134 sur OpenAlexaff
Yuqing Wang, Ling Chang, Wanpeng Feng, Sergey Samsonov, Wenjun Zheng

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésInterferometric synthetic aperture radarPlateau (mathematics)Environmental scienceClimatologyRemote sensingMeteorologyAtmospheric sciencesGeologyGeographySynthetic aperture radarMathematics

Résumé

récupéré en direct d'OpenAlex

Atmospheric heterogeneity mainly exposes itself as tropospheric-phase delay in Satellite Interferometric Synthetic Aperture radar (InSAR) observations, which smears or even overshadows the deformation component of InSAR measurements. In this study, we estimated the performance of four Global Atmospheric Models (GAMs), i.e. European Centre for Medium-Range Weather Forecasts (ECMWF) Reanalysis v5 (ERA5), ERA-Interim (ERA-I), Modern-Era Retrospective analysis for Research and Applications v2 (MERRA2) and Generic Atmospheric Correction Online Service for InSAR (GACOS), for tropospheric-phase delay reduction in InSAR applications in the Tibetan plateau, of which ERA5 is the latest GAM released by ECMWF. We demonstrated the effectiveness of Atmospheric Phase Screen (APS) correction using the four GAMs for more than 700 Sentinel-1 Terrain Observation by Progressive Scans interferograms covering two study areas in the southern (R1) and northwest margins (R2) of the Tibetan plateau. Topography-correlated signals have been widely observed in these interferograms, which are most likely due to the APS effects. We calculated the Standard Deviations (SD) and Pearson’s Correlation Coefficients (r) between InSAR Line of Sight measurements and topography before and after applying APS correction. The results show that the SDs of non-deformation areas from the GAMs decrease to approximately 4 mm from around 10 mm and 12 mm originally on average for R1 and R2, respectively, and the r after the APS correction are reduced below 0.4 from around 0.8 for the selected interferometric pairs. In addition, as the newly released GAM, ERA5 has similar performance with GACOS products and outperforms other models generally. This suggests that GAMs, particularly ERA5, have great potential in the APS correction for InSAR applications in the Tibetan plateau.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,230
Écart entre enseignants0,218 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207