Multidimensional Small Baseline Subset (MSBAS) Software for Constrained and Unconstrained Deformation Analysis of Partially Coherent DInSAR and Speckle Offset Data
Notice bibliographique
Résumé
Differential Interferometric Synthetic Aperture Radar (DInSAR) and speckle offset data are used to measure ground deformation. Computing deformation time series from these data can be challenging due to varying radar line-of-sight acquisition geometry, rapid coherence loss, and the large datasets involved requiring computationally intensive processing. The Multidimensional Small Baseline Subset (MSBAS) Software is designed to compute deformation time series from these data, and its parallelized version is optimized to handle large datasets from modern SAR satellites. The software can produce 1D, 2D, and 3D Surface-Parallel and Aspect-Parallel Flow constrained and 3D unconstrained or 4D deformation time series. It runs on workstations and clusters utilizing OpenMP and MPI/OpenMP. This study presents novel results demonstrating MSBAS capabilities, such as landslides in Northwest Territories, Argentina, and Colombia, as well as tectonic deformation and subsidence in Turkey and Yemen. A 4D deformation time series of glacier flow and surge at the Malaspina Glacier in Alaska is showcased. Equations for solving multidimensional problems are included along with processing parameters and supplemental data used to create constraints. The manuscript serves as a comprehensive manual for the MSBAS Software Version 10. The source code is available.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,007 |
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 ».