The retrieval of shrub fractional cover based on a geometric-optical model in combination with linear spectral mixture analysis
Notice bibliographique
Résumé
AbstractVegetation fractional cover, which defines the amount of vegetation on the surface of the land, is a key parameter in land surface models. Based on a geometric-optical model in combination with a linear spectral mixture analysis, the retrieval of shrub fractional cover in Wushen Banner of Inner Mongolia in the Mu Us Sandland using HJ-1B multispectral images is discussed. We acquired the surface reflectance based on geometric correction and atmospheric correction of the HJ-1B image. Then we assumed that the reflectance of a mixed pixel is a simple linear combination of two components, namely illuminated background and illuminated canopy, and further calculated the areal proportion of the illuminated background within each pixel based on the linear spectral mixture analysis. Then, combined with the measured shrub structural parameters, the shrub fractional cover was estimated using an inverted geometric-optical model. Finally, the result was validated through the measured shrub cover of 13 sample plots and a comparison study was done with the NDVI regression method and simple linear spectral mixture analysis. The R 2 of the three methods are 0.898, 0.614, and 0.659, with corresponding root-mean-squared errors of 0.136, 0.154, and 0.175, which indicate the reliability of the combined method.Le couvert végétal fractionnaire qui définit la proportion de végétation sur la surface de la terre, est un paramètre important de modèles pour la surface terrestre. Basé sur un modèle géométrique et optique en combinaison avec une analyse du mélange spectral linéaire; dans le présent document nous discutons sur les recherches du couvert fractionnaire en arbuste dans Wushen Banner en Mongolie intérieure à Mu Us Sandland en utilisant les images multi spectrales HJ-1B. Premièrement, nous acquérons la réflectance de la surface basée sur la correction géométrique et la correction atmosphérique de l'image HJ-1B. Ensuite, nous supposons que la réflectance d'un pixel mixte est une simple combinaison linéaire de deux composantes à savoir de l'arrière-plan illuminé et la voûte illuminé, et de plus calculons la proportion de la superficie de l'arrière-plan illuminé intérieur de chaque pixel basé sur l'analyse du mélange spectrale linéaire. Après cela, en combinaison avec les paramètres structurels d'arbustes mesurés, le couvert fractionnaire en arbuste sera estimé en utilisant un modèle géométrique et optique inversé. Enfin, le résultat est validé à partir des mesures du couvert en arbuste effectuées sur 13 échantillons de terrain et une étude de comparaison est effectuée avec la méthode de régression NDVI et l'analyse simple du mélange spectral linéaire. Le R 2 de ces trois méthodes est de 0,898, 0,614 et 0,659 avec la racine de l'erreur quadratique moyenne correspondant de 0,136, 0,154 et 0,175 indiquant la fiabilité de la méthode combinée.[Traduit par la Rédaction] AcknowledgementsThis paper was supported by the Natural Science Foundation of China (Grant Nos. 41171330 and 40871173). Thanks to the China Centre for Resources Satellite Data and Application (CRESDA) for providing the HJ-1B data. We are grateful to Professor Arthur Cracknell and his assistant Ms. Pauline Lovell for their fruitful work in revising the paper. The authors also thank all people that have given help for the paper.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».