Combined Use of RADARSAT-1 and Landsat TM Data for Geomorphological Applications in Lowlands of Buenos Aires Province, Argentina
Bibliographic record
Abstract
RÉSUMÉL'objectif principal de cette recherche est de générer une information pour modéliser la géomorphologie actuelle et ancienne de la région. Les techniques d'analyse d'images constituent l'un des meilleurs outils pour la cartographie géomorphologique dans la région étant donné que les principales formes de terrain (paléodunes et caractéristiques de drainage) sont peu visibles sur le terrain en raison du faible relief et du couvert herbeux dense. Des images RADARSAT-1 en mode faisceau 2 large ont été fusionnées avec une image Landsat TM. Trois grandes unités géomorphologiques ont été différenciées: la chaîne Tandilia, la frange éolienne (marginale par rapport à la chaîne Tandilia) et la plaine fluvio-éolienne. Les meilleurs résultats ont été obtenus par l'intégration d'images RADARSAT-1 durant les périodes sèches et de l'image Landsat durant les périodes humides, spécialement dans la plaine fluvio-éolienne. La zone correspond à une topographie de relief très plat (pente<1%) caractérisé par des dunes longitudinales et paraboliques silteuses et des cuvettes de déflation et des lunettes associées. Un système de drainage constitué de rigoles sous-parallèles courtes est superposé à la topographie relique. Les formes éoliennes de terrain n'avaient jamais été décelées avant que ces images ne soient analysées grâce au contraste entre la topographie et l'humidité du sol qui apporte une information plus détaillée. Les données Landsat TM ont fourni une information utile sur l'utilisation du sol alors que les formes géomorphologiques ne pouvaient être reconnues que sur les images RADARSAT.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| 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 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".