Remote sensing of canopy water content: scaling from leaf data to MODIS
Notice bibliographique
Résumé
The water in green vegetation is detectable using reflectances in the near infrared and shortwave infrared. Canopy water content is estimated from the product of leaf water content and leaf area index (LAI). The Normalized Difference Infrared Index [NDII = (R850 - R1650)/(R850 + R1650)] was found to be strongly related to canopy water content using various moderate resolution sensors (Landsat TM, ASTER, AWiFS) during the SMEX02, SMEX04, SMEX05, and OTTER experiments. With the high temporal resolution of MODIS, changes in canopy water content may perhaps be used to estimate plant water stress and wild-fire potential. However, the low spatial resolution of MODIS does not allow the relationship between NDII and canopy water content to be determined experimentally. The objective of this study is to validate the expected relationship of canopy water content with NDII by the standard LAI data product from MODIS; the quotient is the expected leaf water content which will vary by land-cover type. Maximum NDII for 2000-2007 was calculated from the MODIS standard surface reflectance data products and compared to maximum MODIS LAI for the same years. Mean leaf water content from MODIS was not significantly different from leaf data for most land cover types. However the large standard deviations indicated that canopy water content from NDII is not currently accurate for monitoring the incipient stages of plant water stress.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».