Mapping Dominant Tree Species over Large Forested Areas Using Landsat Best-Available-Pixel Image Composites
Notice bibliographique
Résumé
. Remotely sensed image composites that are pixel based rather than scene based are increasingly feasible to use over large areas and fine spatial resolutions. For large jurisdictions that utilize remotely sensed imagery for ecosystem mapping and monitoring, pixel-based composites enable a wider range of applications, at higher quality. The goal of this study was to model spatial distributions of 6 tree species over a large forested area of Saskatchewan, Canada (>39 million ha) at 30-m spatial resolution using a multiyear Best-Available-Pixel (BAP) Landsat composite. We tested the influence of the BAP composite on the resultant maps by comparing species composition and configuration for areas where imagery was from a single sensor, year, and day of year, to areas with variable composite characteristics. Model error rates ranged from 0.09% to 0.24%, area under the curve values approaching 1, and met ecological expectations. The BAP composite was found to have little effect on model outcomes, with composition and configuration values in nonreference areas being similar for all species but one, which had an unexpected configuration. Moreover, sensor, year, and day of year were similar for reference and nonreference blocks for all species. Results indicate that Landsat BAP image composites are useful for generating large-area maps of tree species distributions.Résumé. Des images composites de télédétection qui sont basées sur des pixels, plutôt que sur des scènes, sont de plus en plus possibles sur des grandes superficies et à des résolutions spatiales fines. Pour les grandes régions administratives qui utilisent des images de télédétection pour la cartographie et la surveillance des écosystèmes, des composites à base de pixels permettent une plus large gamme d’applications de meilleures qualités. Le but de cette étude était de modéliser les distributions spatiales de 6 espèces d’arbres sur une grande superficie boisée de la Saskatchewan, Canada (>39 millions ha) à une résolution spatiale de 30 m en utilisant un composite pluriannuel du meilleur pixel disponible (Best-Available-Pixel; BAP) de Landsat. Nous avons testé l’influence du composite BAP sur les cartes résultantes en comparant la composition des espèces et la configuration pour les zones où l’imagerie provenait d’un seul capteur, d’une seule année et d’un seul jour de l’année, aux zones ayant des caractéristiques de composites variables. Les taux d’erreur des modèles variaient de 0,09 % à 0,24 %, les valeurs de surface sous la courbe étaient proches de 1, et ont répondu aux attentes écologiques. Le composite BAP s’est révélé avoir peu d’effet sur les résultats des modèles. Les valeurs de composition et de configuration dans les zones non-références étant similaires pour toutes les espèces, à part pour une qui avait une configuration inattendue. En outre, le capteur, l’année et le jour de l’année étaient semblables pour les blocs de référence et de non-référence pour toutes les espèces. Les résultats indiquent que les images composites BAP de Landsat sont utiles pour générer des cartes de la répartition des espèces d’arbres pour de grandes surfaces.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,003 | 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 tête enseignante, 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 ».