Relevé GPS de cibles de référence au site test de Gatineau, Québec, dans le cadre du projet d'évaluation de l'épaisseur de neige par aéronef sans pilote
Bibliographic record
Abstract
Ressources naturelles Canada a le mandat de fournir de l'information essentielle sur la géographie du pays. Une meilleure connaissance de notre environnement physique constitue l'une des bases de ce mandat. Cette information de base est en général associée au milieu terrestre tel qu'il apparaît en été. Cependant, les canadiens vivent sous un couvert de neige pour une période plus ou moins longue de l'année. Une meilleure compréhension des mécanismes associés à la neige, notamment ses processus de fonte, constitue une information essentielle de grande importance. Les gestionnaires, ingénieurs et chercheurs ont besoin d'avoir accès à un portrait actualisé du couvert nival : Son étendue, son épaisseur et son contenu en eau. Ces éléments sont plus ou moins difficiles à cerner et toute initiative en ce sens se doit de procéder par étape; la surface du couvert nival et le suivi de son retrait printanier étant la première de ces étapes. A ce jour, l'évaluation de la surface du couvert nival, et le suivi de son retrait, étaient effectués par l'entremise d'imagerie satellitaire ou par des relevés au sol; les premiers fournissant une information souvent grossière, les seconds étant dispendieux et sporadiques. Fort heureusement, depuis quelques années des aéronefs sans pilote (ASP), aussi appelés drone, versatiles et peu dispendieux ont fait leur apparition dans l'univers de la télédétection et permettent désormais d'effectuer des relevés diachroniques, sur des sites de quelques dizaines d'hectares, avec une facilité déconcertante. L'une des grandes vertus de ces appareils est qu'ils ont la capacité d'acquérir des photos de manière telle qu'il est possible de produire des orthomosaïques très précises et aussi des modèles numériques de surface très fins en un seul survol. Pour obtenir des orthomosaïques et des modèles de surface fins et positionnés avec précision, il est nécessaire de mettre en place des points de contrôle (i.e. cibles de référence) qui seront visibles par la caméra de l'ASP et dont la position géographique sera connue avec précision. Pour ce faire, un relevé GPS de précision doit être effectué. Ce document résume la méthode et les résultats des relevés GPS sur les points de contrôle utilisés pour la rectification des photos acquises par ASP dans le cadre du projet d'évaluation de l'épaisseur de neige par aéronef sans pilote du Centre canadien de cartographie et d'observation de la Terre de Ressources naturelles Canada. Le site d'étude est situé dans un secteur de terrain en friche à 20 km au nord de Gatineau.
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 | 0.006 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".