LA TELEDETECCIÓN POR RADAR COMO FUENTE DE INFORMACIÓN LITOLÓGICA Y ESTRUCTURAL. ANÁLISIS ESPACIAL DE IMÁGENES SAR DE RADARSAT-1
Bibliographic record
Abstract
Las imágenes de radar se han convertido en los últimos años en una herramienta de uso frecuente para la extracción de información geológica, siendo cada vez más numerosos los sistemas de teledetección por radar que ponen a disposición una gran variedad de imágenes de gran utilidad en la cartografía geológica. Dada la geometría de observación de los sistemas de radar (observación lateral) y las características de la señal (microondas activas), los datos adquiridos por sensores de radar son sustancialmente diferentes a los obtenidos por los sensores óptico-electrónicos, pudiendo ser considerados como una fuente de información complementaria. Los procesos que intervienen en la formación de una imagen de radar son muy dependientes de las propiedades del haz de radar, en términos de las características de la señal (frecuencia y polarización) y la geometría de observación (ángulo de incidencia, dirección de visión). Los satélites que llevan a bordo sensores de radar, pueden tomar imágenes en órbita ascendente o descendente, con mirada a la derecha o a la izquierda y con distintos ángulos de inclinación, variando así las condiciones de iluminación, por lo cual imágenes de una misma zona pueden ofrecer información muy diferente. Por estos motivos, el criterio de selección de las imágenes para una aplicación particular se convierte en un paso esencial. \nLa sensibilidad de las microondas a las propiedades dieléctricas, al contenido de humedad y a la rugosidad superficial –en relación con la longitud de onda del haz de radar-, se verá reflejada en el tono y textura de las imágenes, dado que estos factores inciden directamente en la intensidad de la señal. Los sensores de radar permitirán poner en evidencia variaciones morfológicas sutiles en la micro topografía de los afloramientos, aún cuando las mismas se encuentren por debajo del límite de la resolución espacial. La morfología del terreno –sus pendientes y orientaciones- impactará significativamente en el retorno de la señal, puesto que condiciona el ángulo de incidencia local del haz de radar. Por otra parte, la geometría de visión lateral favorecerá el reconocimiento de lineamientos y rasgos estructurales en general, cuando estos presenten una expresión morfológica superficial y cuando la observación de los mismos sea realzada por la dirección de iluminación del haz de radar. Dada la gran variabilidad de los factores involucrados en la formación de una imagen de radar y de cómo todos estos factores interactúan con las características del territorio observado, es necesario tener estos elementos en cuenta para poder interpretar fielmente las características geológicas de un área. Se presentan aquí los fundamentos y resultados de algunas experiencias orientadas a analizar las potencialidades de las imágenes de radar de expresar variaciones litológicas y de favorecer la detección de rasgos estructurales y morfológicos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".