Landsat ETM+ mosaic of northern Canada
Notice bibliographique
Résumé
AbstractMapping northern Canada with medium spatial resolution (30 m) Landsat data is important to complement national multiagency activities in forested and agricultural regions, and thus to achieve full Canadian coverage. Northern mapping presents unique challenges due to limited availability of field data for calibration or class labeling. Additional problems are caused by variability between individual Landsat scenes acquired under different atmospheric conditions and at different times. Therefore, the generation of radiometrically consistent coverage is highly desirable to reduce the amount of reference data required for land cover mapping and to increase mapping efficiency and consistency by stabilizing spectra of land cover classes among hundreds of Landsat scenes. The production chain and dataset of a normalized, 90 m resolution Landsat enhanced thematic mapper plus (ETM+) mosaic of northern Canada is presented in this research note. A robust regression technique called Thiel–Sen (TS) is used to normalize Landsat scenes to consistent coarse-resolution VEGETATION (VGT) imagery. The derived dataset is available for any interested user and can be employed in applications aimed at studying processes in the Canadian Arctic regions above the tree line.La cartographie du nord canadien à l'aide des données Landsat à résolution moyenne (30 m) est importante à titre de complément pour plusieurs agences nationales ayant des activités dans les régions forestières et agricoles et ainsi, pour assurer une couverture canadienne complète. La cartographie en région nordique présente des défis uniques dû à la disponibilité réduite de données de terrain pour l'étalonnage ou l'étiquetage des classes. La variabilité entre les scènes individuelles Landsat acquises sous différentes conditions atmosphériques et à différentes époques pose également des problèmes. Ainsi, la génération d'une couverture radiométriquement cohérente est hautement souhaitable afin de réduire la quantité de données de référence requises pour la cartographie du couvert et pour accroître l'efficacité et la cohérence de la cartographie en stabilisant les spectres des classes de couvert parmi des centaines de scènes Landsat. On présente, dans cette note de recherche, la chaîne de production et l'ensemble de données d'une mosaïque Landsat ETM+ normalisée, à une résolution de 90 m, du nord canadien. Une technique robuste de régression, la technique Thiel–Sen (TS), est utilisée pour normaliser les scènes Landsat par rapport à des images VGT à résolution grossière qui sont plus homogènes. L'ensemble de données ainsi dérivé est disponible à tout utilisateur intéressé et peut être utilisé dans des applications visant l'étude des divers processus dans les régions de l'Arctique canadien au-dessus de la limite forestière.[Traduit par la Rédaction]
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 ».