MétaCan
Menu
Back to cohort
Record W1523640152

Caractérisation du coefficient de rétrodiffusion radar des surfaces d'hydrocarbure modélisation et interprétation

2006· article· fr· W1523640152 on OpenAlexaboutno aff
François Charbonneau

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2006
Typearticle
Languagefr
FieldEngineering
TopicGeophysical Methods and Applications
Canadian institutionsnot available
Fundersnot available
KeywordsChemistry
DOInot available

Abstract

fetched live from OpenAlex

La surveillance maritime est un domaine d'applications où l'intérêt politique et scientifique croît constamment au Canada. Un des outils privilégiés pour la surveillance maritime est l'acquisition de données radars, par des systèmes aéroportés ou spatio-portés (ERS-2, RADARSAT et Envisat). Par leur grande couverture spatiale, ainsi que leur sensibilité à la géométrie de surface, les données radars permettent, en autres, la détection de cibles ponctuelles (bateaux), estimation des vents, détection des glaces de mer, ainsi que la détection de déversement d'hydrocarbure. Les limites et les avantages de la détection d'hydrocarbure par acquisitions de données radars sont bien connus, mais il reste encore des lacunes au niveau de l'extraction des paramètres physiques d'une surface d'hydrocarbure. Ce projet a pour objectif de caractériser le coefficient de rétrodiffusion radar associé à une surface d'hydrocarbure en milieu océanique, par l'introduction d'un modèle thermodynamique d'atténuation de la surface, au modèle théorique radar IEM. Le modèle global permet de simuler le comportement de [sigma, degré] en fonction des propriétés visco-elastiques, ainsi que de l'épaisseur de la couche d'hydrocarbure et en fonction des paramètres d'acquisition radar. Le modèle développé fut validé à partir des données SIR-C acquises lors d'expérimentations contrôlées. À partir des informations environnementales et du type d'hydrocarbure, notre modèle a permis d'estimé le contraste d'intensité avec une précision de 1 à 1,5 dB, à la bande C. Alors qu'à la bande L, l'erreur sur le contraste est d'environ 1,5 à 2 dB sur l'ensemble des mesures. Ce qui est excellant considérant l'hétérogénéité des surfaces analysées. Également, nous effectuons des analyses multi-polarisées et polarimétriques avec les données SIR-C acquises au-dessus de sites expérimentaux. II en ressort que le ratio de polarisation VV/HH, ainsi que le facteur d'anisotropie sont des pistes de recherche prometteuses qu'il faudra explorer dans le futur. Cependant, la qualité des analyses sera limitée par le niveau du seuil du bruit technique de l'antenne RSO.

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 machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.009
Threshold uncertainty score0.017

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.001
Science and technology studies0.0000.000
Scholarly communication0.0010.001
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.001

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.

Opus teacher head0.010
GPT teacher head0.210
Teacher spread0.200 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2006
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicGeophysical Methods and ApplicationsFrench-language works237,207