Forest Monitoring Using Landsat Time Series Data: A Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
© 2014, Copyright © CASI. Abstract. Unique among Earth observation programs, the Landsat program has provided continuous earth observation data for the past 41 years. Landsat data are systematically collected and archived following a global acquisition strategy. The provision of free, robust data products since 2008 has spurred a renaissance of interest in Landsat and resulted in an increasingly widespread use of Landsat time series (LTS) for multitemporal characterizations. The science and applications capacity has developed steadily since 1972, with the increase in sophistication offered over time incorporated into Landsat processing and analysis practices. With the successful launch of Landsat-8, the continuity of measures at scales of particular relevance to management and scientific activities is ensured in the short term. In particular, forest monitoring benefits from LTS, whereby a baseline of conditions can be interrogated for both abrupt and gradual changes and attributed to different drivers. Such benefits are enabled by data availability, analysis-ready image products, increased computing power and storage, as well as sophisticated image processing approaches. In this review, we present the status of remote sensing of forests and forest dynamics using LTS, including issues related to the sensors, data availability, data preprocessing, variables used in LTS, analysis approaches, and validation issues. Résumé. Unique parmi les programmes d’observation de la Terre, le programme Landsat a fourni des données continues d’observation de la Terre pour les 41 dernières années. Les données Landsat sont systématiquement recueillies et archivées suivant une stratégie d’acquisition globale. La mise à disposition de produits de données robustes gratuitement depuis 2008 a suscité un regain d’intérêt pour Landsat et a donné lieu à une utilisation plus répandue de la série temporelle Landsat (LTS) pour les caractérisations multi-temporelles. La science et la capacité des applications se sont développées de façon constante depuis 1972. Ces améliorations, offertes au fil du temps, ont été intégrées dans les pratiques de traitement et d’analyse Landsat. Avec le lancement réussi de Landsat-8, la continuité des mesures aux échelles d’intérêt pour les activités de gestion et scientifiques est assurée à court terme. Cette LTS est particulièrement intéressante pour le suivi des forêts, car des conditions de bases peut être définies pour examiner les changements abrupts et progressifs et les attribuer à différents facteurs. Ces avantages sont rendus possibles par la disponibilité des données, des produits d’imagerie prêts à l’analyse, l’augmentation de la puissance de calcul et du stockage, ainsi que des approches sophistiquées de traitement d’image. Dans cette revue, nous présentons l’état de la télédétection des forêts et de la dynamique de la forêt à l’aide de LTS, y compris les questions liées aux capteurs, la disponibilité des données, le prétraitement de données, les variables utilisées dans LTS, les approches d’analyse et les questions de validation.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle