MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406593311

Inférence statistique de la profondeur de la colonne d’eau par analyses radiométrique et géométrique de l’imagerie spectrale

2024· dissertation· en· W4406593311 sur OpenAlexaff
Mohamed Ali Ghannami

Notice bibliographique

Revuetheses.fr (ABES) · 2024
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésRadiometric datingInferenceColumn (typography)Statistical inferenceStatistical analysisSpectral analysisRemote sensingGeologyArtificial intelligenceComputer scienceStatisticsMathematicsPhysicsGeometryAstronomySpectroscopy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

nférence statistique de la profondeur de la colonne d’eau par analyses radiométrique et géométrique de l’imagerie spectrale La cartographie précise des eaux peu profondes, particulièrement en zones côtières, reste un défi majeur, notamment en ce qui concerne les incertitudes dans la mesure de la profondeur de la colonne d’eau (WCD). Cette précision est essentielle tant pour la navigation que pour la recherche, qui s’est jusqu’ici principalement concentrée sur l’estimation de la WCD sans considérer pleinement les incertitudes associées. Les méthodes traditionnelles, qu’elles soient radiométriques ou géométriques, présentent chacune leurs limitations spécifiques. Notre travail propose un cadre d’inférence basé sur la vraisemblance pour estimer rigoureusement ces incertitudes. L’approche se développe selon deux axes : une analyse radiométrique fondée sur la modélisation du transfert radiatif avec des techniques semi-analytiques, et une approche géométrique basée sur la triangulation stéréophotogrammétrique. Cette double méthodologie permet d’évaluer les biais et les erreurs inhérents à chaque approche. Le développement de ces cadres d’inférence dans les domaines radiométrique et géométrique est validé par des simulations réalistes, permettant une compréhension approfondie des incertitudes dans l’estimation de la WCD. Nos résultats démontrent l’efficacité de cette approche pour quantifier les incertitudes dans les deux types d’estimations. Cette recherche apporte une contribution significative à la télédétection passive et aux sciences marines en proposant des méthodes fiables pour évaluer les incertitudes dans la cartographie des eaux peu profondes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,011
Tête enseignante GPT0,348
Écart entre enseignants0,337 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuetheses.fr (ABES)→Même sujetRemote Sensing and LiDAR Applications→Travaux en français237 207→