Making Earth System Data Records for Use in Research Environments (MEaSUREs) Greenland Ice Sheet Velocity Map from Interferometric Synthetic Aperture Radar (InSAR) Data, Version 2, 2000-2018
Notice bibliographique
Résumé
This data set, part of the National Aeronautics and Space Administration (NASA) Making Earth System Data Records for Use in Research Environments (MEaSUREs) program, contains seasonal (winter) ice sheet-wide velocity maps for Greenland. The maps are derived from Interferometric Synthetic Aperture Radar (InSAR) data obtained by the Canadian Space Agency's (CSA) RADARSAT-1, the Japan Aerospace Exploration Agency's (JAXA) Advanced Land Observation Satellite (ALOS), and the German Aerospace Center's (DLR) TerraSAR-X/TanDEM-X (TSX/TDX) satellites, as well as from the European Space Agency's (ESA) C-band Synthetic Aperture Radar data from Copernicus Sentinel-1A and -1B. This data set contains eleven winter Greenland ice sheet-wide mosaicked velocity maps derived from Synthetic Aperture Radar (SAR) data. Depending on the year, different platforms and sensors were used to produce these data (see Table 3). For each winter, a shapefile is included to indicate the source satellite image pairs that were processed to produce the mosaic. Since speckle tracking may fail to produce results at some points within a SAR image pair, the swaths listed in the shapefile only indicate which data could have contributed to a particular point (i.e., some data from that swath were used in the mosaic, but at any particular point, there may not have been a valid result from that swath). Joughin, I., B. Smith, I. Howat, and T. Scambos. 2015, updated 2018. MEaSUREs Greenland Ice Sheet Velocity Map from InSAR Data, Version 2. Boulder, Colorado USA. NASA National Snow and Ice Data Center Distributed Active Archive Center. doi: https://doi.org/10.5067/OC7B04ZM9G6Q. 13 Nov 2020.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,033 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».