Estimating grassland chlorophyll content using remote sensing data at leaf, canopy, and landscape scales
Notice bibliographique
Résumé
A small yet promising body of research has been conducted on the use of remote sensing data to retrieve vegetation chlorophyll content for heterogeneous ecosystems at the leaf level; however, the extent to which leaf chlorophyll contents can be estimated from reflectance measurements at the canopy and landscape scales remain uncertain. The goal of this study was to develop and evaluate a species percent cover-based chlorophyll content scaling up procedure that aims to accurately estimate chlorophyll content at canopy or landscape level. Using both field and QuickBird data collected in a heterogeneous tall grassland located in Ontario, Canada, this study calculated vegetation chlorophyll content at canopy and landscape levels, and it correlated chlorophyll data at leaf, canopy, and landscape levels with a red-edge spectral index. Results indicated that the relationships between the red-edge index and vegetation chlorophyll content (e.g., chlorophyll a, chlorophyll b, chlorophyll a + b) were significant at all three scales in the study site. At the landscape level, the species percent cover-based scaling up chlorophyll was slightly better correlated with the red-edge index than the greenness-based chlorophyll that was calculated using the ratio of green area to total area as an empirical coefficient, but it was much better correlated than the site averaging chlorophyll that was directly averaged from leaf level chlorophyll. These results suggest that inclusion of species percent cover in the scaling up procedure is a more appropriate method for canopy or landscape chlorophyll estimation. What we have to keep in mind is that the proposed scaling procedure only takes into account the species composition within a canopy. More canopy information such as standing dead, litter, and soil background should be considered into the scaling tool in the future.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».