Spatiotemporal image-fusion model for enhancing the temporal resolution of Landsat-8 surface reflectance images using MODIS images
Notice bibliographique
Résumé
Our aim was to evaluate a spatiotemporal image-fusion model (STI-FM) for enhancing the temporal resolution (i.e., from 16 to 8 days) of Landsat-8 surface reflectance images by utilizing the moderate-resolution imaging spectroradiometer (MODIS) images, and assess its applicability over a heterogeneous agriculture dominant semiarid region in Jordan. Our proposed model had two major components: (i) establishing relationships between two 8-day MODIS composite images acquired at two different times (i.e., time 1 and time 2); and (ii) generating synthetic Landsat-8 surface reflectance images at time 2 as a function of Landsat-8 images available at time 1 and the relationship constructed in the first component. We evaluated the synthetic images with the actual Landsat-8 images and observed strong relations between them. For example: the coefficient of determination (r2) was in the range: (i) 0.72 to 0.82; (ii) 0.71 to 0.79; and (iii) 0.78 to 0.83; for red, near-infrared (NIR), and shortwave infrared (SWIR2.2 μm) spectral bands, respectively. In addition, root mean square error (RMSE) and absolute average difference (AAD) values were: (i) in between 0.003 and 0.004, and 0.0002, respectively, for red band; (ii) 0.005 and 0.0003, respectively, for NIR band; and (iii) 0.004 and in between 0.0001 and 0.0002, respectively, for SWIR2.2 μm band. The developed method would be useful in understanding the dynamics of environment issues (e.g., agriculture drought and irrigation management), which require both relatively high spatial (i.e., 30 m) and high temporal resolution (i.e., 8 days) images.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».