Using multispectral satellite imagery to estimate leaf area and response to silvicultural treatments in loblolly pine stands
Notice bibliographique
Résumé
The relationship between leaf area index (LAI) of loblolly pine plantations and the broadband simple ratio (SR) vegetation index calculated from Landsat 7 Enhanced Thematic Mapper Plus (ETM+) data was examined. An equation was derived to estimate LAI from readily available Landsat 7 ETM+ data. The equation developed to predict LAI with Landsat 7 ETM+ data was tested with ground LAI measurements taken in 12 plots. The root mean square error of prediction was 0.29, an error of approximately 14% in prediction. The ability of Landsat 7 ETM+ data to consistently estimate SR over time was tested using two scenes acquired on different dates during the winter (December to early March). Comparison between the two images on a pixel-by-pixel basis showed that approximately 96% of the pixels had a difference of <0.5 units of SR (approximately 0.3 units of LAI). When the comparison was made on a stand-by-stand basis (average stand SR), a maximum difference of 0.2 units of SR (approximately 0.12 units of LAI) was found. These results suggest that stand LAI of loblolly pine plantations can be accurately estimated from readily available remote sensing data and provide an opportunity to apply the findings from ecophysiological studies in field plots to forest management decisions at an operational scale.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».