RADAR IMAGES IN THE PROSECUTION OF ILLEGAL OIL DISCHARGES: \nOPPORTUNITIES AND A CASE STUDY
Notice bibliographique
Résumé
Illegal oil discharges from ships are harmful to the world’s oceans. Earth observation satellites \nsuch as Synthetic Aperture Radar (SAR) offer many advantages in the collection of data for use \nin the prosecution of illegal discharges. However, the process by which radar images can be used \nin court is yet to be ascertained, especially with regards to the admissibility and authentication of \nthe data as evidence. It was determined that expert witness qualifications and the reliability of \nSAR images for oil spill detection address the concept of admissibility of the information \npresented in court. Conversely, authentication relies on quality metadata. A case study is \npresented that uses a RADARSAT-1 (R-1) SAR image as the main evidence and oblique aerial \nphotographs as supporting documentation of an offshore oil spill incident in the waters south of \nNewfoundland and Labrador, Canada. This case helps highlight the legal chain of custody \ninvolved with using remote sensing images. The research reveals that satellite SAR imagery can \nbe used operationally to extract information about oil spills and the ocean environment. The \nmain difficulties with the use of these images in the prosecution of illegal oil discharges lie with \ntracking the analysis process, the coordination of aerial photograph recording as supporting \nevidence and the overall evidence gathering protocol.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,010 | 0,005 |
| 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 ».