Land cover dependence in the detection of contaminated pixels in satellite optical data
Notice bibliographique
Résumé
The detection of partially contaminated pixels over land is necessary for quantitative applications of satellite optical measurements to estimate surface biophysical parameters such as leaf area index or vegetation composition. Threshold-based algorithms suffer from the heterogeneity of land cover and the seasonal variability of the radiation reflected and emitted by the land surface. As an alternative, a method based on a Fourier series approximation to the seasonal trajectory of the normalized difference vegetation index (NDVI) had been previously developed (Cihlar 1996). In this paper, we introduce modifications to the basic algorithm to more closely represent NDVI seasonal trends for different land cover types, as well as a simplified way to determine the time- and pixel-specific contamination thresholds. Based on the tests with 1993-1996 Advanced Very High Resolution Radiometer (AVHRR) data over Canada, the modified procedure effectively detects contaminated pixels for boreal ecosystems after the growing season of interest. The modifications also improved its performance while the growing season is in progress; in this case, at least one complete previous growing season coverage is required to provide the temporal series needed to establish the thresholds. The modified procedure also yields a contamination parameter that may be used to estimate the most likely value for NDVI or other variables for each pixel. It is concluded that the procedure would perform effectively in other areas, provided that the NDVI temporal trajectories of the cover types of interest can he represented by a mathematical model.
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 | 0,001 |
| 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 ».