Detecting leafy spurge in native grassland using hyperspectral image analysis
Notice bibliographique
Résumé
Leafy spurge (Euphoria esula L.) is a perennial noxious weed that has been encroaches on the native grassland regions of North America resulting in biological and economic impacts. Leafy spurge growth is most prevalent along river banks and in pasture areas. Due to poor accessibility and the cost and labour associated with data collection, estimates of number and size of leafy spurge infestations is poor. Remote sensing has the ability to cover large areas, providing an alternate means to ground surveys and will allow for the capability to create an accurate baseline of infestations. Airborne hyperspectral data were collected over the two test sites selected on the Blood Reserve in Southern Alberta using a combined Airborne Imaging Spectrometer for different Applications (AISA) Eagle and Hawk sensor systems in July, 2010. This study used advanced analysis tools, including spectral mixture analysis, spectral angle mapper and mixture-tuned matched filter techniques to evaluate the ability to detect leafy spurge patches. The results show that patches of leafy spurge with flowering stem density >40 stems m-2 were identified with 85 % accuracy while identification of lower density stems were less accurate (10 - 40 %). The results are promising with respect to quantifying areas of significant leafy spurge infestation and targeting biological control and potential insect release sites.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».