Time-Series Analysis of Medium-Resolution, Multisensor Satellite Data for Identifying Landscape Change
Notice bibliographique
Résumé
The overall goal of this study is to use medium-resolution satellite imagery to determine recent changes in the landscape of the coastal zone near Sanya in the Province of Hainan, China. A search for suitable satellite imagery revealed that the only way to identify the changes was to use data from three different sensors acquired over a 12-year time period: a 1987 Landsat 5 Thematic Mapper (TM) image, a 1999 Landsat 7 Enhanced Thematic Mapper Plus (ETM� ) image, and two SPOT 2 High Resolution Visible (HRV) images acquired in 1991 and 1997. Given that the Landsat and SPOT images have different spatial resolutions and that the spectral bands cover somewhat different spectral ranges, the challenge was how to combine the images in digital format to be able to detect subtle changes in the landscape. Measures of brightness, greenness, and the normalized difference vegetation index (NDVI) were explored using standardized principal components analysis (PCA). Approximately 38 percent of the scene was occupied by water, so tests were performed with the water included and also with the water masked out to remove these low-variance pixels. Factor loadings and input-band contributions were used to interpret component images. Results show that PCA of the visible bands, representing brightness, is the superior approach for identifying new urban features in the landscape. For identification of changes to vegetation, the near-infrared (NIR) bands outperformed NDVI. Selected standardized PCA images with visible and NIR bands are recommended for identifying general changes to an urban landscape using a time-series of imagery acquired by different satellite sensors. Benefits of using a mask are believed to be dependent upon study-site characteristics.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».