MétaCan
Menu
Retour à la cohorte
Enregistrement W2042964293 · doi:10.5589/m05-005

Sensitivity of the Landsat enhanced wetness difference index (EWDI) to temporal resolution

2005· article· en· W2042964293 sur OpenAlexvenueaboutno aff
Steven E. Franklin, Chris B Jagielko, M. B. Lavigne

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisturbance (geology)Environmental scienceSatelliteIndex (typography)GeographySensitivity (control systems)Satellite imageryVegetation (pathology)ForestryRemote sensingPhysical geographyGeologyComputer science

Résumé

récupéré en direct d'OpenAlex

AbstractWe investigated the sensitivity of the Landsat enhanced wetness difference index (EWDI) to temporal resolution in detecting forest harvesting and silvicultural activities in the Fundy Model Forest in southern New Brunswick. The severity of disturbance was underestimated in the multiyear EWDI because of regrowth and natural variability. In certain instances the severity of disturbance was overestimated with an annual EWDI; for example, a herbicide application in a young stand could have an annual wetness difference approximately equal to that of a forest clearcut. In general, we found annual EWDI differences to be more accurate than multiyear differences in detecting change. The sensitivity of satellite image change detection techniques to temporal resolution must be considered when national or international protocols are developed to provide input to forest monitoring or carbon accounting efforts.Nous avons étudié la sensibilité de l'indice EWDI (« enhanced wetness difference index ») de Landsat à la résolution temporelle dans la détection des activités de coupe forestière et sylvicoles dans la forêt modèle de Fundy, dans le sud du Nouveau-Brunswick. Le niveau de perturbation a été sous-estimé dans les données EWDI multi-années en raison de la repousse et de la variabilité naturelle. Dans certains cas, le niveau de perturbation était surestimé par la valeur annuelle de EWDI; par exemple, une application d'herbicide dans un jeune peuplement pouvait montrer une différence annuelle d'humidité sensiblement égale à celle d'une coupe à blanc. En général, nous avons trouvé que les différences annuelles de EWDI étaient plus précises que les différences multi-années pour la détection du changement. La sensibilité des techniques de détection du changement par satellite à la résolution temporelle doit être prise en considération lorsque l'on développe des protocoles nationaux ou internationaux afin de fournir des intrants aux activités de suivi de la forêt ou de comptabilité du carbone.[Traduit par la Rédaction]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,802
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,202
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetRemote Sensing in AgricultureTravaux en français237 207