Digital map of iron sulfate minerals, other mineral groups, and vegetation of the western United States derived from automated analysis of Landsat 8 satellite data
Notice bibliographique
Résumé
Multispectral remote sensing data acquired by Landsat 8 Operational Land Imager (OLI) sensor were analyzed using an automated technique to generate surficial mineralogy and vegetation maps of the conterminous western United States. Six spectral indices (e.g. band-ratios), highlighting distinct spectral absorptions, were developed to aid in the identification of mineral groups in exposed rocks, soils, mine waste rock, and mill tailings across the landscape. The data are centered on the western U.S. and cover portions of Texas, Oklahoma, Kansas, the Canada-U.S. border, and the Mexico-U.S. border during the summers of 2013 ? 2014. Methods used to process the images and algorithms used to infer mineralogical composition of surficial materials are detailed in Rockwell and others (2021) and were similar to those developed by Rockwell (2012; 2013). Final maps are provided as ERDAS IMAGINE (.img) thematic raster images and contain pixel values representing mineral and vegetation group classifications. Rockwell, B.W., 2012, Description and validation of an automated methodology for mapping mineralogy, vegetation, and hydrothermal alteration type from ASTER satellite imagery with examples from the San Juan Mountains, Colorado: U.S. Geological Survey Scientific Investigations Map 3190, 35 p. pamphlet, 5 map sheets, scale 1:100,000, http://doi.org/10.13140/RG.2.1.2769.9365. Rockwell, B.W., 2013, Automated mapping of mineral groups and green vegetation from Landsat Thematic Mapper imagery with an example from the San Juan Mountains, Colorado: U.S. Geological Survey Scientific Investigations Map 3252, 25 p. pamphlet, 1 map sheet, scale 1:325,000, http://doi.org/10.13140/RG.2.1.2507.7925. Rockwell, B.W., Gnesda, W.R., and Hofstra, A.H., 2021, Improved automated identification and mapping of iron sulfate minerals, other mineral groups, and vegetation from Landsat 8 Operational Land Imager Data: San Juan Mountains, Colorado, and Four Corners Region: U.S. Geological Survey Scientific Investigations Map 3466, scale 1:325,000, 51 p. pamphlet, https://doi.org/10.3133/sim3466.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».