MétaCan
Menu
Retour à la cohorte
Enregistrement W4403131955 · doi:10.1080/01431161.2024.2394237

Angular variation of SAR polarimetric parameters over multiyear ice

2024· article· en· W4403131955 sur OpenAlexaffabout
Mohammed Shokr, Mohammed Dabboor

Notice bibliographique

RevueInternational Journal of Remote Sensing · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésRemote sensingVariation (astronomy)PolarimetryEnvironmental scienceSea iceSynthetic aperture radarGeologyClimatologyGeodesyPhysicsAstronomy

Résumé

récupéré en direct d'OpenAlex

Backscatter and derived parameters from Synthetic Aperture Radar (SAR) may vary across the swath as the incident angle increases from the near to the far range, especially in the ScanSAR mode. Previous studies characterize this angular variation in the form of linear regression for commonly used ice types, namely first-year (FYI) and multi-year (MYI). The present study took advantage of the appearance of three grounded multi-year ice floes, viewed at different radar incidence angles, in a series of 22 RADARSAT-2 fully-polarimetric images, acquired over the Resolute Passage in the Canadian Arctic, during the period from 21 October to 28 December 2017. The ice properties remained invariant during the observation period; hence, variation of radar parameters of MYI can be attributed to change of incidence angle only. Quantification of angular variation of the selected SAR parameters was performed. They include conventional orthogonal backscatter coefficients, derived parameters from the incoherent decomposition of Cloude-Pottier, Yamaguchi, and Touzi, as well as a set of parameters from the compact polarimetry mode. Results specify the parameters that reveal variation with incidence angle and present the linear regressions equations. The explanation for the behaviour of each parameter, in terms of showing or not showing an angular trend, is offered. Results will be useful when using the polarimetric parameters in the sea ice classification scheme.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,346

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 Opus0,009
Tête enseignante GPT0,253
Écart entre enseignants0,245 · 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'étudeAutre devis
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Remote SensingMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207