Monitoring Wetlands Inundation Patterns using RADARSAT Multitemporal Data
Bibliographic record
Abstract
Des images RADARSAT furent acquises sur une base quasi mensuelle depuis décembre 1997 pour effectuer le suivi des changements saisonniers dans le patron temporel et spatial des inondations se produisant dans une section de terres humides tropicales située dans le parc Kakadu National Park, Northern Territory, en Australie.Des données de terrain hydrologiques, géomorphiques et écologiques ont été acquises au cours de stades successifs du patron de retrait des eaux d'inondation afin de caractériser les conditions aquatiques associées à la phase de séchage. Des images multidates ont été étalonnées, géo-référencées et superposées afin de délimiter les limites des eaux et de cartographier les patrons de retrait des eaux. Des données en mode standard et ScanSAR sont disponibles pour évaluer l'utilité des données radar en bande C en polarisation HH pour la cartographie des terres humides.Les résultats présentés dans cette étude démontrent qu'il est possible de cartographier le niveau des eaux de surface et leur retrait à travers le couvert de végétation. Aussi, on peut différencier les zones de sols saturés des zones de couvert de végétation.Cette étude contribue à la recherche à plus long terme visant la compréhension de la réponse et de l'adaptation de la végétation des terres humides, des pertes de terres humides et de la dégradation résultant de l'influence humaine et du succès des pratiques de conservation des terres humides. Le projet à plus long terme vise le développement de procédures de routine pour la cartographie des terres humides à travers le nord de l'Australie.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 source (direct Gemma or distilled Codex), 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".