Development of a Remote Sensing-Based Method to Map Likelihood of Common Ragweed (Ambrosia artemisiifolia) Presence in Urban Areas
Notice bibliographique
Résumé
Common Ragweed (Ambrosia artemisiifolia) is a plant that constitutes an important and growing public health concern worldwide as it is probably expanding with climate change, which brings forward the need for improved mapping tools. Our final purpose is to operationalize the use of optical remote sensing for the automated mapping and surveillance of Ambrosia artemisiifolia. Analyses considering the probable spectral instability originating from the variability of the urban landscape and from that of sensors characteristics were developed. Worldview 2, Rapid Eye and SPOT 4 HRVIR sensors were used together with geolocalized surveys of Common Ragweed in Montréal and Valleyfield (Quebec, Canada). Images were standardized and various derivatives variables such as multiple vegetation indexes were created. Spectral confusion, statistical analyses, object-oriented technology and Fuzzy-logic functions were used to develop predictive risks maps of Common Ragweed potential presence. The results showed that the green bands (510–590 nm) of higher spatial resolutions sensors had a higher potential to cope with spectral confusions and changing landscape characteristics and to predict the likelihood of Ambrosia artemisiifolia presence with a recurrent stability. The good agreement between observed and predicted ragweed revealed an important potential for the operationalization of this method.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».