Sensitivity of high-resolution satellite sensor imagery to regenerating forest age and site preparation for wildlife habitat analysis
Notice bibliographique
Résumé
In west-central Alberta increased landscape fragmentation has lead to increased human use, having negative effects on wildlife such as the grizzly bear (Ursus arctos L.). Recently, grizzly bears in the Foothills Model Forest were found to select clear cuts of different age ranges as habitat and selected or avoided certain clear cuts depending on the site preparation process employed. Satellite remote sensing offers a practical and cost-effective method by which cut areas, their age, and site preparation activities can be quantified. This thesis examines the utility of spectral reflectance of SPOT-5 pansharpened imagery (2.5m spatial resolution) to identify and map 44 regenerating stands sampled in August 2005. Using object based classification with the Normalized Difference Moisture Index (NDMI), green, and short wave infrared (SWIR) bands, 90% accuracy can be achieved in the detection of forest disturbance. Forest structural parameters were used to calculate the structural complexity index (SCI), the first loading of a principal components analysis. The NDMI, first-order standard deviation and second-order correlation texture measures were better able to explain differences in SCI among the 44 forest stands (R2=0.74). The best window size for the texture measures was 5x5, indicating that this is a measure only detectable at a very high spatial resolution. Age classes of these cut blocks were analysed using linear discriminant analysis and best separated (82.5%) with the SWIR and green spectral bands, second order correlation under a 25x25 window, and the predicted SCI. Site preparation was best classified (90.9%) using the NDMI and homogeneity texture under a 5x5 window. Future applications from this research include the selection of high probability grizzly habitat for high spatial resolution imagery acquisition for detailed mapping initiatives.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».