A Comparison of Spectral Mixture Analysis and Ten Vegetation Indices for Estimating Boreal Forest Biophysical Information from Airborne Data
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
RÉSUMÉL'analyse des spectres mixtes (ASM) permet de dériver le pourcentage de couronnes ensoleillées, de fond et d'ombre à l'intérieur d'un pixel d'une image de télédétection. Il a été démontré que l'information à l'échelle du sous-pixel peut fournir de façon continue des estimations significativement améliorées d'information biophysique sur la forêt comme la biomasse, l'indice de surface foliaire (LAI) et la production primaire nette (NPP) comparativement aux estimations de NDVI (Normalised Difference Vegetation Index) utilisant des images aéroportées ou satellitales. Toutefois, un certain nombre d'indices de végétation ont été proposés à titre d'amélioration au NDVI. Dans cet article, dix indices de végétation différents ont été utilisés pour prédire les paramètres biophysiques de la forêt et les résultats ont été comparés avec les résultats obtenus par analyse des spectres mixtes utilisant les données multispectrales aéroportées du projet COVER de la NASA, dans la Superior National Forest du Minnesota, aux États-Unis. Cet ensemble de données a été acquis à travers une gamme d'angles solaires zénithaux à la limite de résolution spatiale et dans les bandes spectrales du capteur Thematic Mapper de Landsat. Les indices de végétation suivants ont été dérivés des données de télédétection: NDVI, SR, MSR, RDVI, WDVI, GEMI, NLI et trois autres indices de végétation ajustés en fonction du sol (SAVI, SAVI-1, SAVI-2). Des résultats ont été obtenus à des angles solaires zénithaux de 30°, 45° et 60° pour la biomasse, LAI, NPP, DBH, la densité de tiges et la fraction de surface terrière. Dans tous les cas, les fractions d'ombre dérivées de l'analyse des spectres mixtes ont fourni des résultats significativement meilleurs que tout autre indice de végétation, avec une amélioration de l'ordre de 20% comparativement aux meilleurs résultats obtenus par les indices de végétation. Dans la plupart des cas, un ou plusieurs des nouveaux indices de végétation ont apporté une amélioration variant de faible à modérée comparativement au NDVI, WDVI et SAVI-1 ayant la meilleure performance parmi les indices de végétation grâce probablement à l'inclusion de la réflectance de fond. En conclusion, quoique les différents indices de végétation puissent apporter une amélioration par rapport au NDVI, ceux-ci apparaissent comme fonctionnellement équivalents et fondamentalement semblables en termes de statistiques de premier ordre quant à leur potentiel à prédire les paramètres biophysiques de la forêt, potentiel qui est surpassé par les approches basées sur la décomposition des images à l'échelle du sous-pixel comme l'analyse des spectres mixtes et la modélisation de la réflectance optique du couvert.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 découle