Relevé GPS de cibles de référence au site test de Quinte, Ontario, 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. Le Département de géomatique de l'université de Sherbrooke gère pour sa part plusieurs projets reliés à la neige, allant de l'estimation des risques d'avalanche à l'évaluation de son contenu en eau, incluant le suivi du couvert nival. Un de ces projets vise à mettre en place une méthode de suivi dans les Territoires du Nord-Ouest en lien avec la fonte du pergélisol, dans le cadre de la Station de recherche du Canada dans l'extrême-arctique (Canadian High Arctic Research Station-CHARS). 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 drones, versatiles et peu dispendieux ont fait leur apparition et permettent désormais d'effectuer des relevés diachroniques, sur des sites de quelques dizaines d'hectares, avec facilité. Ces appareils 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 ces produits positionnés avec précision, il est nécessaire de mettre en place des 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 du relevé GPS sur les cibles de référence utilisés pour la rectification des photos acquises par ASP dans le cadre d'une activité conjointe entre le Département de géomatique de l'Université de Sherbrooke, et le Centre canadien de télédétection du Centre canadien de cartographie et d'observation de la Terre. Le site d'étude est situé dans deux secteurs de terrain boisé situés respectivement à 120 km et à 160 km au sud-ouest d'Ottawa.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
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".