MétaCan
Menu
← Retour à la cohorte
Enregistrement W7100521135

WINTER SEA ICE MAPPING FROM MULTI-PARAMETER SYNTHETIC APERTURE RA DAR DATA Eric and

2007· article· en· W7100521135 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiquePrenatal Screening and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSynthetic aperture radarSea iceSea ice concentrationSatelliteBackscatter (email)RadarData setScattering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

this paper, we evaluate on a quantitative basis the added value of various frequencies and polarizations for mapping icc conditions for estimating ice fractions. Ice maps derived from multi-parameter SAR data validated using a combination of ancillary information arc used yardstick to predict the level of performance of current and future single-frequency single-polarization satellite systems for winter ice mapping such as - 1 SA the Japanese Earth Satellite SAR and others, 1991), and the Canadian SAR and others, 1991), and possible combined information from these active sensors. identified winter ice conditions arc: 1 ) (MY), 2) compressed first year sea-ice 3) first-year rubble icc ridges 4) first-year rough ice 5) first-year smooth icc and thin first-year Although open water is absent from all data, it is included in the discussion as a possible icc type. 2. AIRSAR DATA SET acquired SAR observations of sea-ice in 1988 over the Sea, 3 of Alaska, C- = I,- 1'- = band frequency, the scattering matrix (van 1981; van and 1990) of resolution is recorded, and the data arc processed such the scattering matrices at different frequencies are spatially registered. A matrix comprises 4 complex numbers S VII , where is a complex number representation of the amplitude and phase of the radar return received V- (vertical) polarization when (horizontal) polarization is transmitted. Subsequent SAR processing yields data in Stokes format and 1990), or equivalently in cross-product format, i.e. for each pixel the cross-products < > are stored, where X, Y, X', and Y' arc H or V's, an asterisk denotes complex conjugation, and < > indicates a spatial averaging process over several (4 in practice) contiguous elements called processing in the literature. Although there 16 cross-products for...

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
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)0,0010,000

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 Opus0,064
Tête enseignante GPT0,299
Écart entre enseignants0,235 · 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'étudeSimulation ou modélisation
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPrenatal Screening and Diagnostics→Travaux en français237 207→