Comparative analysis of SPOT, Landsat, MODIS, and AVHRR normalized difference vegetation index data on the estimation of leaf area index in a mixed grassland ecosystem
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
Many grassland studies have depended on or are currently depending on the Landsat series of satellite sensors for monitoring work. However, given the identified gaps in Landsat data, alternatives to Landsat imagery need to be tested in an operational environment. In this study, normalized difference vegetation index (NDVI) values are derived from a Système Pour l'Observation de la Terre (SPOT), Moderate Resolution Imaging Spectroradiometer (MODIS), and Advanced Very High Resolution Radiometer (AVHRR) image and compared to the NDVI values from a Landsat image for LAI estimation in a semi-arid heterogeneous grassland. Results indicate a high agreement between Landsat and SPOT data with R2 over 85% at all buffer levels (100, 250, and 1000 m), and a significant but lower agreement between MODIS and Landsat with R2 around 28% at 250 m buffer level to 37% at 100 m buffer level. Based on in situ measurements of LAI in 22 homogeneous sites, the relationships established between LAI and NDVI show that SPOT and Landsat could predict LAI with acceptable accuracy, but MODIS and AVHRR cannot quantify the spatial variation in LAI measurements. Data fusion or blending techniques that combine the spectral information of high spatial/low temporal resolution data with low spatial/high temporal resolution data may be considered to study semi-arid heterogeneous grasslands.
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) | 0,001 | 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 découle