Evaluation of national and global LAI products derived from optical remote sensing instruments over Canada
Notice bibliographique
Résumé
Leaf area index (LAI) is an important surface variable for monitoring the status of vegetation and as input in a number of ecosystem process models. There are currently several coarse-resolution LAI maps over Canada, including a Canada Centre for Remote Sensing ten-day, 1-km resolution, Canada-wide product based on SPOT-4 VEGETATION (VGT), a MODIS eight-day, 1-km resolution, global product and a monthly, 7-km resolution, global map produced using POLDER-1. These products are difficult to validate because of their large spatial extent and coarse resolution. In this study we use in situ LAI measurements collected over a wide range of forest types and ecological zones in Canada to derive 30-m resolution reference LAI maps based on robust error-in-measurement regressions to Landsat Enhanced Thematic Mapper Plus vegetation indices. The reference maps and LAI products were aggregated to a coarser resolution (3 km for MODIS and VGT and 7 km for POLDER) before comparison to account for registration errors, and variability in sensor projected point spread functions. Spatially corresponding aggregated pixels with both high-quality reference and coarse scale LAI retrievals were compared. The comparison shows reasonable agreement (biases less than 25% or one LAI) between the VGT and reference LAI. The MODIS LAI product showed weak correlations (R2<0.25) over all sites at the scale of comparison and typically overestimated reference LAI in mixed forests by approximately 200%. The POLDER LAI product, only available in June 1997, showed almost no correlation to the summer reference LAI datasets. It underestimated reference LAI for an early growing season with an extent, in some cases, greater than the seasonal differences in LAI. This independent validation of three large area LAI products suggests that there may be substantial biases due to the lack of regional tuning of retrieval algorithms. These biases are far larger than the uncertainties in the reference-based LAI scenes in the case of the MODIS product. This suggests that reliable LAI maps may require regional calibration to meet the Global Terrestrial Observing System mapping requirements of plusmn15% uncertainties
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».