Remote sensing of boreal forest biophysical and inventory parameters: a review
Notice bibliographique
Résumé
The growing need to manage vegetation resources at regional and global spatial scales has led to the increased use of remote sensing technologies among forestry scientists and managers for use in their investigation and supervision of forested landscapes. With an array of extant and developing airborne and satellite sensors, as well as multiple analysis techniques, there is a need to discern the most acceptable methods with which to examine remotely sensed imagery for forest ecosystem parameters. We have reviewed the literature on the remote sensing of boreal forests in order to determine if common frameworks for monitoring and assessing change in forest biophysical and inventory parameters could be developed. Other important remote sensing techniques such as those for change detection and land cover identification were also examined. Our review examined studies documented within the scientific literature that involved the extraction of information on forest parameters with remote sensing instruments. Primarily, we focused on studies within the boreal forest, which plays an important part in the Earth-atmosphere system and contributes significantly to the global economy through forest-derived products and resources. Additionally, the boreal forest has served as the primary investigation site for many important forest remote sensing discoveries. In this review, we considered the forest parameter that was examined, the remote sensing platform used, and the calibration and validation accuracies for the study. The most effective methodology for examining each parameter, considering spatial scale, is described. In general, a fusion of multiple sensors provided the most accurate approach for parameter extraction; however, this may not be the most appropriate methodology for all studies, due to spatial and temporal considerations. In each case, we attempted to consider which methodology works the best in a variety of scenarios.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».