Evaluation of leaf area index estimated from medium spatial resolution remote sensing data in a broadleaf deciduous forest in southern England, UK
Notice bibliographique
Résumé
Leaf area index (LAI) is a key biophysical variable influencing land surface fluxes. Different algorithms have been developed to estimate LAI from remote sensing data. This prompts the need for an evaluation of their comparability and performance. We present an evaluation of the comparability of four products (i.e., MODIS (MOD15A2), NN-MERIS, CYCLOPES, and GLOBCARBON) and their performance against in situ LAI for an entire growing season in a broadleaf deciduous forest. All the LAI products detected the phenological trend of this biome reasonably accurately, albeit with differences in absolute values. The MODIS LAI was higher than the in situ LAI throughout the growing season whereas the GLOBCARBON LAI was higher in the summer months. The NN-MERIS was closest to the in situ measurements whereas the CYCLOPES product was lower than the in situ measurements. The NN-MERIS and CYCLOPES LAI were closely matched (RMSE = 0.45), whereas MODIS and CYCLOPES LAI were the most divergent (RMSE = 1.57). All the algorithms were significantly different (p < 0.05) indicating a need for more efforts to harmonize these algorithms. Finally, the spatial consistency between the NN-MERIS LAI and in situ LAI revealed a season dependency trend. Better spatial agreement was observed during the summer season as opposed to early spring and autumn seasons.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».