Investigating the use of Landsat thematic mapper data for estimation of forest leaf area index in southern Sweden
Notice bibliographique
Résumé
The study aims at investigating the use of Landsat thematic mapper (TM) for mapping leaf area index (LAI) in coniferous and deciduous forests in southern Sweden. LAI has been estimated in the field with optical measurements, allometric equations, and litter-trap data, and empirical relationships between LAI estimates and satellite-measured reflectances have been analysed. Several common vegetation indices and multiple regressions where estimated LAI is predicted as a function of various spectral bands are tested. The results indicate significant relationships between Landsat TM reflectances and parameters related to LAI, and the relationships are improved when separating coniferous and deciduous stands. The best relationships occur between Landsat TM data and the product of effective LAI as estimated with the LAI-2000 instrument and a needle clumping factor (L G ), which explains about 80% of the variation in coniferous stands and about 50% of the variation in deciduous stands. The best single bands in coniferous stands are the middle-infrared bands (TM5 and TM7), and the best vegetation index is the moisture stress index (TM5/TM4). The best single band in deciduous stands is TM4, and the best vegetation index is the simple ratio (SR).
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».