MétaCan
Menu
Retour à la cohorte
Enregistrement W2154326988 · doi:10.1093/treephys/20.11.755

Use of middle infrared radiation to estimate the leaf area index of a boreal forest

2000· article· en· W2154326988 sur OpenAlexfundno aff
Doreen S. Boyd, T. E. Wicks, Paul J. Curran

Notice bibliographique

RevueTree Physiology · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Forest ServiceNatural Environment Research Council
Mots-clésLeaf area indexNormalized Difference Vegetation IndexTaigaEnvironmental scienceBorealVegetation (pathology)CanopyRemote sensingBoreal ecosystemEnhanced vegetation indexAtmospheric sciencesInfraredVegetation IndexGeographyForestryEcologyPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

The leaf area index (LAI) of boreal forest can be estimated using reflected radiation recorded by satellite sensors. Measurements of visible and near infrared radiation are commonly used in the normalized difference vegetation index (NDVI) to estimate LAI. However, research, mainly in tropical forest, has demonstrated that LAI is related more closely to radiation of middle infrared wavelengths than of visible wavelengths. This paper derives a vegetation index, VI3, based on radiation from vegetation recorded at near and middle infrared wavelengths. For a boreal forest canopy, the relationship between VI3 and LAI was observed to be much stronger than that between NDVI and LAI. In addition, the LAI estimated using VI3 accounted for about 76% of the variation in field estimates of LAI, compared with about 46% when using the NDVI. We conclude that information provided by middle infrared radiation should be considered when estimating the leaf area index of boreal forest.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,886
Score d'incertitude au seuil0,225

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,240
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTree PhysiologyMême sujetRemote Sensing in AgricultureTravaux en français237 207