Hyperspectral remote sensing of individual gravesites - exploring the effects of cadaver decomposition on vegetation and soil spectra
Bibliographic record
Abstract
La détection des fosses clandestines (tombes) est un domain d'étude récent (un nouvel outil) dans la télédétection hyperspectrale. Bien que des études antérieures ont démontrés qu'il est possible d'utiliser des techniques de télédétection hyperspectrale pour la localisation des fosses communes, il y a un manque d'études démontrant la faisabilité d'utiliser cette même technologie pour la détection des tombes individuelles. Cette thèse se porte sur la première année d'une étude a long terme, elle constate que des changements sont détectables au niveau de la réponse spectrale de la végétation et de du sol. Ces changements sont causés par les produits chimiques libérées par un corps en décomposition. Dix-huit carcasses de porc (Sus scrofa) ont été enterrées dans un environnement tempéré à Ottawa, ON. Trois scénarios ont été examinés: la décomposition d'un corps déposé en surface, un corps enterré à 30 cm dans le sol, et un corps enterré à 90 cm dans le sol. Un avion Twin Otter avec des capteurs hyperspectrales couvrant les ondes visible à l'infrarouge du spectre électromagnétique ont été utilisés pour recueillir des images aériennes du site. En plus, un spectroradiomètre portable a été utilisé pour recueillir des signatures spectrales des plantes et du sol en laboratoire (les échantillons ont été collectés en même temps que l'imagerie aérienne). Grâce à l'analyse chimique du sol faite avant et après l'établissement du site, ainsi qu'en même temps que l'imagerie aérienne, j'ai déterminer que certains changements chimiques ainsi que des changements dans la réflectance sont causés par la décomposition des cadavres plutôt que par la perturbation du sol. L'analyse statistique des niveaux de chlorophylle et des caroténoïdes démontre une séparabilité de la végétation en trois catégories: 1) le fond, 2) les sols perturbés, les tombes peu profondes et les tombes profondes, et 3) les corps déposé en surface. L'analyse statistique des signatures spectrales de la végétation confirme à l'analyse chimique pour différencier entre le fond, le sol perturbé, les tombes peu profondes et profondes, et les corps décomposant en surface. L'analyse des signatures spectres de sol a aussi permis de séparer entre un sol perturbé, une tombe peu profonde ou profonde, ou un « enterrement » de surface.
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".