Large-scale leaf area index inversion algorithms from high-resolution airborne imagery
Notice bibliographique
Résumé
Large-scale leaf area index (LAI) inversion algorithms were developed to determine the LAI of a forest located in Gatineau Park, Canada, using high-resolution colour and colour infrared (CIR) digital airborne imagery. The algorithms are parameter-independent and developed based on the principles of optical field instruments for gap fraction measurements. Cloud-free colour and CIR images were acquired on 21 August 2007 with 35 and 60 cm nominal ground pixel size, respectively. Normalized Difference Vegetation Index (NDVI), maximum likelihood and object-oriented classifications, and principal component analysis (PCA) methods were applied to calculate the mono-directional gap fraction. Subsequently, LAI was derived from inversion and compared with ground measurements made in 54 plots of 20 by 20 m using hemispherical photography between 10 and 20 August 2007. There was high inter-correlation (the Pearson correlation coefficient, R > 0.5, p < 0.01) among LAI values inverted using the classifications and PCA methods, but neither were highly correlated with LAI inverted from the NDVI method. LAI inverted from the NDVI-based gap fraction significantly correlated with ground-measured LAI (R = 0.63, root mean square error (RMSE) = 0.52), while LAI inverted from the classification and PCA-derived gap fraction showed poor correlation with ground-measured LAI. Consequently, the NDVI method was used to invert LAI for the whole study area and produce a 20‐m resolution LAI map.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».