Estimation of leaf area index using ground-based remote sensed NDVI measurements: validation and comparison with two indirect techniques
Notice bibliographique
Résumé
AbstractThis study took place in an evergreen scrub oak ecosystem in Florida. Vegetation reflectance was measured in situ with a laboratory-made sensor in the red (640‐9665 nm) and near-infrared (750‐9950 nm) bands to calculate the normalized difference vegetation index (NDVI) and derive the leaf area index (LAI). LAI estimates from this technique were compared with two other nondestructive techniques, intercepted photosynthetically active radiation (PAR) and hemispherical photographs, in four contrasting 4 m2 plots in February 2000 and two 4 m2 plots in June 2000. We used Beer's law to derive LAI from PAR interception and gap fraction distribution to derive LAI from photographs. The plots were harvested manually after the measurements to determine a "true" LAI value and to calculate a light extinction coefficient (k). The technique based on Beer's law was affected by a large variation of the extinction coefficient, owing to the larger impact of branches in winter when LAI was low. Hemispherical photographs provided satisfactory estimates, slightly overestimated in winter because of the impact of branches or underestimated in summer because of foliage clumping. NDVI provided the best fit, showing only saturation in the densest plot (LAI = 3.5). We conclude that in situ measurement of NDVI is an accurate and simple technique to nondestructively assess LAI in experimental plots or in crops if saturation remains acceptable.A l'aide d'un capteur réalisé au laboratoire, nous avons mesuré in situ la réflectance d'un peuplement bas de chênes à 655 et 825 nm pour calculer la NDVI et estimer le LAI. Ces estimations de LAI ont été comparées à celles obtenues par deux autres techniques non destructrices dans six placettes de 4 m2, en février et juin 2000 : la mesure du PAR intercepté (rayonnement photosynthétiquement actif) et la technique des photographies hémisphériques. Pour calculer le LAI, nous avons utilisé la loi de Beer à partir du PAR intercepté et la fraction de trouées pour exploiter les photographies. Les feuilles de chaque placette ont été récoltées à la main après les mesures afin d'obtenir un LAI de référence et de calculer un coefficient d'extinction (k). La technique du PAR intercepté a été affectée par une importante variation du coefficient d'extinction, due à l'interception plus forte des branches en hiver lorsque le LAI était peu élevé. Les photographies hémisphériques ont fourni des valeurs de LAI satisfaisantes, légèrement surestimées en hiver à cause des branches et sous-estimées en été à cause de l'agrégation du feuillage. Le NDVI a fourni les meilleurs résultats, montrant toutefois une tendance à la saturation dans la placette la plus dense.
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 ».