Retrieving chlorophyll content in conifer needles from hyperspectral measurements
Notice bibliographique
Résumé
Spectrally continuous hyperspectral data can be used to detect subtle features in the leaf optical spectra, which correlate especially well with major leaf pigments such as the leaf chlorophyll content. Extensive field and laboratory measurements were carried out at 10 sites in black spruce (Picea mariana (Mill.)) forests near Sudbury, Canada, to collect leaf optical spectra, leaf pigment contents, and leaf biophysical parameters. It was found that black spruce needles sampled from different sites, age classes, and branch orientations demonstrated variability in both optical properties and chlorophyll contents. The variability in needle optical spectra showed a good correlation (R2 = 0.63) between the average visible absorptance and needle chlorophyll content. The leaf optical model PROSPECT was modified to incorporate the edge effects of needles on light transfer through them. Two leaf biophysical parameters, namely needle width and thickness, were introduced into the model to take into account the effects of leaf morphology on chlorophyll content retrieval. With the modifications to PROSPECT, the model can capture the variability of needle optical properties and chlorophyll content from the measurements. The retrieval of needle chlorophyll contents was improved with an accuracy of R2 = 0.59 and root mean squared error of RMSE = 6.32 µg/cm2 compared with the original PROSPECT model with an accuracy of R2 = 0.31 and RMSE = 9.51 µg/cm2.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».