Satellite-derived digital surface models to improve geolocation of InSAR deformation measurements on bridges
Notice bibliographique
Résumé
Canadian bridges need structural health monitoring (SHM) to ensure their safety and longevity. In-situ inspections are expensive and time-consuming, and climate change effects on river bridges may make previous legacy inspection schedules inadequate. Remote sensing can help supplement in-situ inspections or alert bridge operators to the need for a new inspection. Satellite-based Persistent Scatterer Interferometric Synthetic Aperture Radar (PS-InSAR) is an emerging approach for bridge deformation monitoring that requires accurate geolocation of the PS targets for best results. If the as-built elevations on bridges are insufficiently accurate, geolocation errors may limit the usefulness of the PS-InSAR data for bridge SHM. Satellite stereo imagery can be used to derive Digital Surface Models (DSMs), which give the elevation of the top surfaces of structures. It is unknown whether DSMs derived from satellite imagery are adequate as height sources for ensuring accurate positioning of PS-InSAR targets when bridge drawings or surveys are unavailable or unreliable. A study evaluating PS-InSAR elevation corrections using a DSM from satellite imagery was conducted on the Samuel de Champlain Bridge in Montreal (QC), Canada. A tri-stereo image triplet was used to create a 1 m resolution DSM, which was evaluated for height accuracy against a historical survey and used to correct PS-InSAR data points for elevation. The PS-InSAR dataset was georeferenced with DSM height corrections and evaluated for accuracy.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».