Spectral band difference effects on vegetation indices derived from multiple satellite sensor data
Notice bibliographique
Résumé
Vegetation indices based on satellite image data are widely used for change monitoring but, when derived from different satellite sensors, differ as a function of the uncorrectable differences between the analogous spectral bands used to generate them. This is an important issue because multiple satellite sensors in the Landsat class or in the AVHRR and MODIS classes are being used increasingly to monitor vegetation dynamics. This paper reports on an investigation of the impact of spectral band difference effects (SBDEs) on cross-comparisons between vegetation indices (VIs) derived from multiple satellite sensors in the solar-reflective spectral domain. Results from the simulation study, which encompassed three vegetation target types and eight VIs, indicate how large SBDEs can be and for which VI cross-comparisons they are significant. They also indicate that the spectral dependence of atmospheric gas transmittance is the key factor that gives rise to such significant spectral band difference effects. Among the vegetation indices considered, the GEMI proved to be the least sensitive to spectral dissimilarities between sensors, and hence GEMI is worth considering for quantitative monitoring of vegetation using images from multiple sensors. In the context of potential candidates to fill the forthcoming gap in Landsat data continuity, either one of the IRS-P6 sensors or the SPOT-5 HRG is preferable to the CBERS-2 HRCC as a replacement sensor from the standpoint of agreement with Landsat-based vegetation indices.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».