Remote Sensing of Arctic Vegetation: Relations between the NDVI, Spatial Resolution and Vegetation Cover on Boothia Peninsula, Nunavut
Notice bibliographique
Résumé
Arctic tundra environments are thought to be particularly sensitive to changes in climate, whereby alterations in ecosystem functioning are likely to be expressed through shifts in vegetation phenology, species composition, and net ecosystem productivity (NEP). Remote sensing has shown potential as a tool to quantify and monitor biophysical variables over space and through time. This study explores the relationship between the normalized difference vegetation index (NDVI) and percent-vegetation cover in a tundra environment, where variations in soil moisture, exposed soil, and gravel till have significant influence on spectral response, and hence, on the characterization of vegetation communities. IKONOS multispectral data (4 m spatial resolution) and Landsat 7 ETM+ data (30 m spatial resolution) were collected for a study area in the Lord Lindsay River watershed on Boothia Peninsula, Nunavut. In conjunction with image acquisition, percent cover data were collected for twelve 100 m × 100 m study plots to determine vegetation community composition. Strong correlations were found for NDVI values calculated with surface and satellite sensors, across the sample plots. In addition, results suggest that percent cover is highly correlated with the NDVI, thereby indicating strong potential for modeling percent cover variations over the region. These percent cover variations are closely related to moisture regime, particularly in areas of high moisture (e.g., water-tracks). These results are important given that improved mapping of Arctic vegetation and associated biophysical variables is needed to monitor environmental change.
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 | 0,000 | 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) | 0,001 | 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 ».