MétaCan
Menu
Retour à la cohorte
Enregistrement W4395031636 · doi:10.3390/rs16091492

Landsat 8 and 9 Underfly International Surface Reflectance Validation Collaboration

2024· article· en· W4395031636 sur OpenAlexaff
J. P. Mann, Emily Maddox, Mahesh Shrestha, J. Irwin, Jeffrey S. Czapla-Myers, Aaron Gerace, Eon Rehman, Nina Raqueño, Craig A. Coburn, G.F. Byrne, Mark Broomhall, Andrew Walsh

Notice bibliographique

RevueRemote Sensing · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueCalibration and Measurement Techniques
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésRemote sensingReflectivitySatelliteEnvironmental scienceAerosolGeologyMeteorologyGeographyOptics

Résumé

récupéré en direct d'OpenAlex

During the launch and path to its final orbit, the Landsat 9 satellite performed a once in a mission lifetime maneuver as it passed beneath Landsat 8, resulting in near coincident data collection. This maneuver provided ground validation teams from across the globe the opportunity of collecting surface in situ data to compare directly to Landsat 8 and Landsat 9 data. Ground validation teams identified surface targets that would yield reflectance and/or thermal values that could be used in Landsat Level 2 product validation and set out to collect at these locations using surface validation methodologies the teams developed. The values were collected from each team and compared directly with each other across each of the different bands of both Landsat 8 and 9. The results proved consistency across the Landsat 8 and 9 platforms and also agreed well in surface reflectance underestimation of the Coastal Aerosol, Blue, and SWIR2 bands.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,016
Tête enseignante GPT0,265
Écart entre enseignants0,248 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetCalibration and Measurement TechniquesTravaux en français237 207