Cerrado vegetation study using optical and radar remote sensing: two Brazilian case studies
Notice bibliographique
Résumé
The amount of phytomass is a crucial parameter in ecology as a whole. Conventional methods to estimate phytomass parameters are often prohibitive in terms of time, environment, and manpower. Seasonality in Brazilian savanna physiognomies is marked by green leaves lost during the dry season and regrowth during the wet season. Branches and trunks remain the same through the seasons. The amounts of the phytomass components can be estimated by nondestructive methods using remote sensing. This paper presents case studies where the abilities to predict vegetation variation are tested using optical and radar images. The foliar component leaf area index (LAI) obtained in the field is related to the normalized difference vegetation index (NDVI) obtained from satellite images, and both methods present a strong relationship with green leaves biomass. Japanese Earth Resources Satellite (JERS-1) images are used to estimate the aboveground woody biomass. Campo cerrado physiognomy showed the highest seasonal variation in NDVI, and cerradão the lowest variation in NDVI. During August, the lower the NDVI values, the lower the solar albedo and the higher the photosynthetically active radiation (PAR) albedo. During November, the higher the NDVI values, the lower the PAR and the higher the solar albedo. The same proportion in seasonal variation was observed with LAI values. A significant equation is proposed to estimate trunk and branch biomass using allometric parameters and JERS-1 backscattering.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».