Snow Depth Measurements from Remotely Piloted Aerial Systems - Mt. Cain - 2018 - British Columbia - Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This dataset consists of 10cm spatial resolution raster snow depth maps from Mt. Cain BC, collected in 2018. The dataset also includes snow depth validation points. Raster and point cloud data are available by request. We use Phantom 3 and 4 UAVs to map snow depth at 4 sites on Mt. Cain, BC. The imagery is processed with Pix4D and LASTools to create snow depth maps. The sites were mapped in winter, spring, and summer. When imagery is captured with optimal lighting conditions (few or no clouds, bright sun), it is possible in open areas to create accurate ground models. Of the 50 transects (25 x 2 visits). The average absolute deviation for each transect was: 28% less than 10cm, 70% less than 30cm. The method is challenged when there are extensive trees, fresh snow, and when there is flat light. In these cases there can be errors in the order of several meters. The overall root-mean-square error (RMSE) ranged from 30-70cm, however this could be substantially improved by removing areas with trees and excessive noise. Floyd, B., McInnes, W., Holmes, K., Cebulski, A., Dickinson, T., Butler, S., Heathfield, D. and Menounos, B. (2019). Application of UAVs to measure snowpack using structure from motion analysis over varying terrain and vegetation in Coastal British Columbia. [access date].
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.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,007 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,014 | 0,003 |
| Science ouverte | 0,008 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,017 |
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 découle