Mapping mountain pine beetle infestation with high spatial resolution satellite imagery
Notice bibliographique
Résumé
The on-going mountain pine beetle outbreak in British Columbia has reached historic proportions. Recently, management efforts at the local level shifted from exhaustive mapping of the infestation, to detection and mitigation of sites with minimal levels of infestation, creating an operational need for efficient and cost-effective methods to identify red-attack trees in these areas. High spatial resolution remotely sensed imagery has the potential to satisfy this information need. This paper presents the unsupervised classification of 4 metre IKONOS multispectral imagery, for the detection of mountain pine beetle red-attack, at sites with minimal infestation (< 20% of trees infested). A 4-metre buffer (analogous to a single IKONOS pixel) was applied to the red-attack trees identified on the IKONOS imagery in order to account for positional errors. When compared to the independent validation data collected from the aerial photography, it was found that 70.1% (lightly infested sites) and 92.5% (moderately infested sites) of the red-attack trees existing on the ground were correctly identified through the classification of the remotely sensed IKONOS imagery. These results demonstrate the operational potential of using an unsupervised classification of IKONOS imagery to detect and map mountain pine beetle red-attack at sites with minimal levels of infestation. Key words: mountain pine beetle, remote sensing, accuracy assessment, IKONOS, red-attack
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) | 0,000 | 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 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 ».