Spectral unmixing of multiple lichen species and underlying substrate
Notice bibliographique
Résumé
Cryptogamic covers are a wide range of photoautotrophic plants which synthesize their own food while using sunlight as an energy source. Globally, cryptogrammic covers (such as cyanobacteria, algae, fungi, lichens, and bryophytes) annually uptake about 7% of the net primary production of terrestrial vegetation and account for about half of annual biological terrestrial nitrogen fixation. On the basis of these contributions to global carbon and nitrogen cycling, it is crucial to be able to accurately monitor seasonal and regional patterns of cryptogamic cover distribution and abundance. However, lichen-encrusted rock seldom comprises 100% of the ground cover within a pixel of remote-sensed imagery, and thereby arise challenges in lichen mapping and monitoring. Here we explore spectroscopic methods and spectral mixture analysis (SMA) to overcome the challenges of reflectance spectroscopy-based optical remote sensing detection and characterization of crustose lichen species. One suite of discrete wavelengths (λ1 = {400, 470, 520, 570, 680, 800, 1080, 1120, 1200, 1300, 1470, 1670, 1750, 2132, 2198, 2232 nm}) and two wavelength regions (λ2 = {λ: 800 nm ≤ λ ≤ 1300 nm} and λ3 = {λ: 2000 nm ≤ λ ≤ 2400 nm}) were investigated for their ability to discriminate between substrate and different lichen species. We found that the spectral region 800–1300 nm performed best at lichen-substrate differentiation and interspecial lichen differentiation. Furthermore, measures of central tendency from multiple wavelength regions are superior to most individual wavelength regions, particularly for lichen-rock unmixing.
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 ».