An approach for Canadian river hydrokinetic resource assessment with synthetic aperture radar satellite images
Notice bibliographique
Résumé
• Hydrokinetic Resource Assessment with SAR Satellites (HyRASS) is introduced. • One classifier identifies whitewater river sections in summer imagery. • One classifier identifies river ice and open water in winter imagery. • Whitewater, ice, and water combined to identify persistent, stable, high-flow water. • Persistent, stable, high-flow water is required for hydrokinetic turbine deployment. This paper describes a novel approach that uses Synthetic Aperture Radar (SAR) satellite imagery to identify river sections with persistent, stable, high-flow water. Such sections represent candidate sites for the generation of green electricity through the deployment of hydrokinetic turbines. Canada-wide mapping of potential hydrokinetic turbine sites requires Earth Observation satellite technology. The application of SAR satellites is advantageous because of their capacity to acquire high-quality images independent of weather and light conditions. Our SAR image approach includes two classifiers. The first identifies whitewater river sections in images acquired during summer. The second uses images acquired during winter to identify river ice and open water. Both classifiers are developed using a machine-learning algorithm that identifies classification thresholds in a multidimensional space made up of advanced SAR image parameters. The whitewater classifier makes use of backscatter and image texture parameters to achieve 92.6% accuracy. The ice–water classifier makes use of backscatter in two polarizations and a polarimetric decomposition to achieve 89.0% accuracy. In combination, the classes identified enable the mapping of river sections with persistent, stable, high-flow water, i.e., candidate hydrokinetic turbine sites. Our SAR image approach is named HyRASS—Hydrokinetic Resource Assessment with SAR Satellites.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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) | 0,003 | 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 ».