MétaCan
Menu
← Retour à la cohorte
Enregistrement W7000460618

Étude des interférences sur les mesures micro-ondes passives en bande L à l’aide de radiomètres au sol et aéroportés

2017· other· fr· W7000460618 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2017
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAtmospheric emissionsLimitingTest site
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Certaines données satellitaires ne sont pas utilisées à cause des acquisitions bruitées qui ne reflètent pas les distributions des grandeurs géophysiques du sol, telle que l’humidité du sol. La cause primordiale dans les micro-ondes passives vient des interférences radio fréquence (RFI). Ainsi, les températures apparentes mesurées par un satellite comme SMOS par exemple atteignent souvent des valeurs qui conduisent à des échecs d’inversion de l’humidité du sol. L’objectif de notre projet est d’étudier le phénomène des RFI à petite échelle, son impact sur les micro-ondes passives en bande L à partir des mesures au sol réalisées à l’aide de radiomètres. Une fois l’impact caractérisé de manière rigoureuse, une méthode de filtrage adaptatif a été développée pour corriger les effets. Le projet est composé de trois parties principales. La mise en place d’une expérimentation est réalisée afin de faire des mesures au sol à l’aide de deux radiomètres en bande L. Les mesures sont faites dans des conditions variables et plusieurs scénarios ont été considérés. Ensuite, les données sont collectées et analysées. Cette phase a abouti au développement d’un filtre qui permet d’atténuer l’effet des RFI sur les températures de brillance bruitées. Enfin, le filtre proposé dans le projet a été appliqué sur des données aéroportées en bande L prises sur le site Boreal Ecosystem Research and Monitoring Sites (BERMS) en Saskatchewan. L’expérimentation s’est déroulée à la station SIRENE de l’Université de Sherbrooke. Les instruments ont été mis en place et les radiomètres ont été calibrés en premier lieu pour s’assurer de la fiabilité des mesures. L’émetteur a servi comme une source d’interférence pour les radiomètres. Il était placé à des positions différentes vis-à-vis de ces derniers, et émettait à des puissances variables. Les différents scénarios considérés étaient utiles pour étudier l’effet de la position de la source RFI, ainsi que l’effet de la puissance émise par celle-là sur les températures mesurées par les radiomètres. Pour les mesures, nous avons utilisé un radiomètre multi-bandes qui nous a permis d’étudier l’impact de la bande passante sur les RFI. L’analyse et le traitement des données prises ont conduit au développement d’un filtre coupe-bande permettant de corriger les températures bruitées lorsque les caractéristiques du bruit sont connues. Ce filtre a été appliqué sur des données aéroportées bruitées. Le bruit a pu être atténué pour les températures en polarisation V. Les résultats de l’application du filtre sont satisfaisants dans l’ensemble malgré le volume important de données bruitées sur la zone d’étude. En ce qui concerne les données de la polarisation H, elles n’ont pu être corrigées, car elles étaient presque entièrement bruitées. Le mémoire porte sur une expérimentation originale, car les expériences du genre sont très rares dans la littérature. L’étude s’appuie sur deux radiomètres en bande L, ce qui est très particulier, compte tenu de la rareté de ces instruments.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,249
Écart entre enseignants0,224 · 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'étudeExpérimental (laboratoire)
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→Travaux en français237 207→