A method for downscaling MODIS land channels to 250-m spatial resolution using adaptive regression and normalization
Notice bibliographique
Résumé
A method is proposed to derive spatially enhanced imagery for all seven Moderate Imaging Spectroradiometer (MODIS) land spectral bands at 250 m spatial resolution. Originally, only bands B1 and B2 [visible (VIS) at 0.65 μm, and near-infrared (NIR) at 0.85 μm] are available from MODIS at 250 m spatial resolution. The remaining five land channels (bands B3 to B7) are observed at 500 m resolution. The adaptive regression is constructed for each individual MODIS L1B granule of 500 m spatial resolution by splitting the area into smaller blocks and generating nonlinear regression between bands B3 to B7 and B1, B2 and NDVI. Once a set of regression coefficients is generated based on 500 m image, it is then applied to 250 m data containing only channels B1 and B2 to produce five intermediate synthetic channels (B3 to B7) at 250 m spatial resolution. The final step involves normalizing the generated 250 m images to original 500 m images to preserve radiometric consistency. It is achieved in two stages and ensures that downscaled results are unbiased relative to original observations. The developed method was applied to generate Canada-wide clear-sky composites containing all seven MODIS land spectral channels at 250 m spatial resolution over the area of North America 5700 km by 4800 km.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».