Forest-fire-scar aging using SPOT-VEGETATION for Canadian ecoregions
Notice bibliographique
Résumé
The mapping of Canadian fires is a large effort supported by provincial, territorial, and federal agencies. Remote sensing techniques can aid in mapping, especially in remote areas and during busy fire seasons. The SPOT-VEGETATION (SPOT-VGT) sensor has previously shown promise at distinguishing fire scars on the landscape. The usefulness of SPOT-VGT to age fires in 18 Canadian ecoregions was evaluated for a period up to 50 years since fire, analysing more than 250 000 pixels (nominal resolution about 1 km2). The SPOT-VGT reflectances were evaluated using the ratio of the short-wave infrared band (1.581.75 µm) to near-infrared band (0.780.89 µm), compared with the Canadian large-fire database (fires greater than 200 ha in size). Nonlinear regressions were significant for all ecoregions with r2 values being greater than 0.57 for 16 of them. Five ecoregions groupings had similar relationships, consistent with their contiguous pattern on the landscape. The prediction of fire-scar age depends on ecoregion and can be successful over periods as short as 6 years to as long as 30 years. The root mean square error for all ecoregions ranged from 5 years for recent burns to about 12 years for three decades following fire. This tool is useful to get approximate fire-scar ages, but the accuracy is limited because of the variation in forest succession on the landscape, and it cannot replace more detailed mapping done currently by fire agencies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».