The ABoVE L-band and P-band airborne synthetic aperture radar surveys
Notice bibliographique
Résumé
Abstract. Permafrost-affected ecosystems of the Arctic–boreal zone in northwestern North America are undergoing profound transformation due to rapid climate change. NASA's Arctic Boreal Vulnerability Experiment (ABoVE) is investigating characteristics that make these ecosystems vulnerable or resilient to this change. ABoVE employs airborne synthetic aperture radar (SAR) as a powerful tool to characterize tundra, taiga, peatlands, and fens. Here, we present an annotated guide to the L-band and P-band airborne SAR data acquired during the 2017, 2018, 2019, and 2022 ABoVE airborne campaigns. We summarize the ∼80 SAR flight lines and how they fit into the ABoVE experimental design (Miller et al., 2023; https://doi.org/10.3334/ORNLDAAC/2150). The Supplement provides hyperlinks to extensive maps, tables, and every flight plan as well as individual flight lines. We illustrate the interdisciplinary nature of airborne SAR data with examples of preliminary results from ABoVE studies including boreal forest canopy structure from TomoSAR data over Delta Junction, AK, and the Boreal Ecosystem Research and Monitoring Sites (BERMS) area in northern Saskatchewan and active layer thickness and soil moisture data product validation. This paper is presented as a guide to enable interested readers to fully explore the ABoVE L- and P-band airborne SAR data (https://uavsar.jpl.nasa.gov/cgi-bin/data.pl).
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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».