Multi‐temporal Mapping of Burned Forest over Canada Using Satellite‐based Change Metrics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A procedure for continental‐scale mapping of burned boreal forest at 10‐day intervals was developed for application to coarse resolution satellite imagery. The basis of the technique is a multiple logistic regression model parameterized using 1998 SPOT‐4 VEGETATION clear‐sky composites and training sites selected across Canada. Predictor features consisted of multi‐temporal change metrics based on reflectance and two vegetation indices, which were normalized to the trajectory of background vegetation to account for phenological variation. Spatial‐contextual tests applied to the logistic model output were developed to remove noise and increase the sensitivity of detection. The procedure was applied over Canada for the 1998‐2000 fire seasons and validated using fire surveys and burned area statistics from forest fire management agencies. The area of falsely mapped burns was found to be small (3.5% commission error over Canada), and most burns larger than 10 km2 were accurately detected and mapped (R2 = 0.90, P<0.005, n = 91 for burns in two provinces). Canada‐wide satellite burned area was similar, but consistently smaller by comparison to statistics compiled by the Canadian Interagency Forest Fire Centre (by 17% in 1998, 16% in 1999, and 3% in 2000).
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.
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) | 0,001 | 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 découle