An object-based region-growing phase unwrapping method for mapping vertical displacement in permafrost landscapes
Notice bibliographique
Résumé
• The first customized unwrapping method is developed for permafrost landscapes. • An object-based adaptive method is proposed to handle regions with different residue densities. • A new framework is proposed to alleviate the impact of the decorrelation phase while in phase unwrapping. Terrain displacement due to the seasonal thaw of the active layer above permafrost can be sensitive to climate change; however, its accurate characterization remains a challenge. This study aimed to improve the measurement of the subsidence or vertical ground surface displacement using differential synthetic aperture radar interferometry (InSAR). Existing methods for reliable phase unwrapping are hindered by the decorrelation between time-series of SAR acquisitions that can result due to the heterogeneity and structural sensitivity of permafrost landscapes to external conditions. In this study, an advanced phase unwrapping method was proposed, in which three types of regions, namely non-residue, sparse residue, and dense residue objects, were obtained from wrapped interferogram and residue map using a segmentation method. Two variants of Polynomial-Based Region Growing Phase Unwrapping (PBRGPU) were developed, which are sparse-residue Object-based PBRGPU(SOP) and dense-residue Object-based PBRGPU(DOP). The results demonstrated that the proposed method outperformed the existing phase unwrapping methods by partially suppressing the decorrelation phase and enhancing robustness for complex terrain deformation in the absence of measured field data. Both the PBRGPU variants and segmentation strategies compose the object-based unwrapping method for permafrost, and also provide a new framework by combining the segmentations and scenarios for phase unwrapping for permafrost regions.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».