Spatiotemporal image-fusion model for enhancing the temporal resolution of Landsat-8 surface reflectance images using MODIS images
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 |
| 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 découle