MétaCan
Menu
Retour à la cohorte
Enregistrement W7164026507 · doi:10.21966/awsk-my87

Glacier and Icefield Mapping - British Columbia - 2019 - Airborne Coastal Observatory

2019· dataset· W7164026507 sur OpenAlexaboutno aff
Hakai Geospatial

Notice bibliographique

RevueHakai Institute · 2019
Typedataset
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlacierIce fieldOrthophotoDigital elevation modelObservatoryLidarGlacier mass balanceGlacier morphologyPhotogrammetry

Résumé

récupéré en direct d'OpenAlex

Snow and glacier mapping using the Airborne Coastal Observatory airplane in 2019. Data captured includes high resolution imagery and LiDAR surface models. Missions covered in 2019: 4018 - Mount Waddington 4012 - Place Glacier 4009 - Nordic Glacier 4003 - Columbia Icefield 4020 - Homathko Glacier 4017 - Illecillewaet Glacier 4011 - Klinaklini Glacier 4008 - Yoho Peyto Glaciers 4005 - Zillmer Glacier 4002 - Gilbert Lillooet Glaciers 4019 - Lillooet Glacier 4016 - Stein Glacier 4013 - Bridge Glacier 4010 - Haig Glacier 4007 - Conrad Glacier 4004 - Castle Glacier Data collection occurred from September - November, 2019. A full list and map of the data capture locations can be observed in the related resources or contact data@hakai.org for more information. Below is a brief overview of the Airborne Coastal Observatory (ACO) and the type of data collected. For more information on post processing, data quality assurance, software used, and summary of results please contact data@hakai.org The ACO is an aerial remote sensing platform used by the Hakai Institute to survey landscapes in detail. A Piper Navajo aircraft carries an array of integrated airborne mapping sensors installed to collect data in concert. The aircraft is operated and maintained by Kisik Aerial Surveys (Delta, BC). Data products available: Lidar data (LAZ)- classified point cloud – digital surface model – digital terrain model. Image data (TIFF) – 4 band orthophotos – RGB & NIR. Hyperspectral data (not always captured). A detailed project report with the summary of acquisition, processing, and overall hardware / software is available (PDF). Sensors and instrument breakdown: Inertial Navigation System: Manufacturer: Applanix (Canada), IMU Model: POS AV 510 IMAR, GNSS Model: Trimble AV39. Laser sensor: Riegl LMS-Q 780 long-range airborne laser scanner. Point density ranges per project and landscape from 1-12 points per square meter. Aerial cameras: two fully integrated Phaseone Industrial iXU-RS1000 medium format cameras, resolution: 100MP, lens: 50mm f/4.0 Rodenstock. Hyperspectral Sensor: manufacturer: Specim, model: AisaFENIX 384, spectral range: 380 - 2500 nm

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,305
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,004
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,003
Communication savante0,0070,005
Science ouverte0,0030,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,045

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 Opus0,033
Tête enseignante GPT0,242
Écart entre enseignants0,209 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHakai InstituteTravaux en français237 207