MétaCan
Menu
Retour à la cohorte
Enregistrement W7114920823 · doi:10.5066/p14h7mvu

Co-polarized Synthetic Aperture Radar (SAR) Change Map between 11/28/2025 and 12/09/2025, Hubbard Glacier Earthquake

2025· dataset· W7114920823 sur OpenAlexaboutno aff

Notice bibliographique

RevueUSGS DOI Tool Production Environment · 2025
Typedataset
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSynthetic aperture radarInterferometric synthetic aperture radarGlacierRadar imagingRadar

Résumé

récupéré en direct d'OpenAlex

This data release contains a radar-based remote sensing product used to detect regions of surface change in southern Yukon Territory, Canada and southeast Alaska, United States between November 28, 2025 and December 9, 2025, based on the availability of Sentinel-1 satellite data. Much of this surface change is interpreted to have been triggered by the M7.0 Hubbard Glacier Earthquake that occurred on December 6, 2025. This dataset was used to map probable landslides based on the increase of surface roughness that occurred between acquisitions (Allstadt and others, 2025). The co-polarized amplitude difference (vv_diff_dB_20251128_20251209) measures the change in strength of the synthetic aperture radar (SAR) backscatter signal between acquisitions. SAR amplitude data were downloaded from the Sentinel-1 Ground Range Detection product collection from the Copernicus Data Space Ecosystem (available at https://dataspace.copernicus.eu/). The data are from Sentinel-1 satellites' ascending track 50. This collection is provided in the dB scale, multi-looked to 10x10 m/pixel, and geocoded. I selected the co-polarized data for each acquisition and differenced the acquisitions to produce the data product. The data product shows all surface change between acquisitions and regions of poor data quality have not been masked. Some reasons for surface change in a snowy, mountainous environment include landslides, snow avalanches, new snowfall, changes in surface moisture, glacier movement and more (e.g., Rott and Mätzler, 1987; Lindsay and others, 2025). Reasons for poor data quality might include foreshortening and shadowing due to steep topography and the look angle of the satellite.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil0,362

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 GPT0,247
Écart entre enseignants0,223 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUSGS DOI Tool Production EnvironmentTravaux en français237 207