Spatial Enhancement of MODIS-based Images of Leaf Area Index: Application to the Boreal Forest Region of Northern Alberta, Canada
Notice bibliographique
Résumé
Leaf area index (LAI) is one of the most commonly used ecological variables in describing forests. Since 2000, 1-km resolution Moderate Resolution Imaging Spectroradiometer (MODIS)-based 8-day composites of LAI have been operationally available from the National Aeronautics and Space Administration (NASA), USA, at no cost to the user. In this paper, we present a simple protocol to enhance the spatial resolution of NASA-produced LAI composites to 250-m resolution. This is done by fusing MODIS-based estimates of enhanced vegetation index (EVI), consisting of 16-day 250-m resolution composites (also from NASA), with estimates of LAI. We apply the protocol to derive 250-m resolution maps of LAI for the boreal forest region of northern Alberta, Canada. Data fusion was possible in this study because of the inherent linear correlation that exists between EVI and LAI for the April to October growing period of 2005–2008, producing r2-values of 0.85–0.95 and p-values < 0.0001. Comparison of MODIS-based LAI with field-based measurements using the Tracing Radiation and Architecture of Canopies (TRAC) sensor and LAI-2000 Plant Canopy Analyzer showed reasonable agreement across values; statistical comparison of LAI data points produced an r2-value of 0.71 and a p-value < 0.0001. Seventy one percent of MODIS-based LAI were within ±20% of field estimates.
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 | 0,000 | 0,000 |
| 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 ».