Towards the Operational Use of Satellite Hyperspectral Image Data for Mapping Nutrient Status and Fertilizer Requirements in Australian Plantation Forests
Notice bibliographique
Résumé
EO-1/Hyperion data can potentially reduce the cost of nutrition assessments in plantation forests, supplementing standard point-based measurements with comprehensive and repeated broad-acre coverage. We present a synopsis of studies using EO-1/Hyperion data for foliar nutrition assessments in Australia. The earliest study compared modeling methods and calculated models in the order of <i xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">r</i> <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> = 0.7 for Nitrogen, Phosphorus and Boron in Eucalyptus and Pinus species. Several recommendations of that work were adopted in a subsequent project which concluded that observing stand structure may improve nutrient prediction models calibrated from image data over those calibrated from laboratory spectra. The most recent study examined the range of age classes over which nutrients could be accurately predicted in P. radiata from Hyperion images. Canopy cover fraction, calculated using spectral mixture analysis, ranged from 69% in unthinned 5 year old stands to 43% and 41% in stands 10 to 20 years old that had been thinned once or twice respectively. The <i xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">r</i> <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> value when predicting Nitrogen across all age classes was 0.45 increasing to 0.87 when calibrated on only the 5 year old trees. Collectively, these studies demonstrate that several important nutrients can be accurately mapped from Hyperion data at ages that are critical for the management of plantation forests. However, some of Hyperion's spatial and radiometric characteristics limit its practical operational application. This manuscript discusses potential improvements that might be provided by the HyspIRI mission, and the key challenges in developing hyperspectral image data as an operational tool for forest nutrition assessments in Australia.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».