Mass data processing of time series Landsat imagery: pixels to data products for forest monitoring
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
Free and open access to the Landsat archive has enabled the implementation of national and global terrestrial monitoring projects. Herein, we summarize a project characterizing the change history of Canada's forested ecosystems with a time series of data representing 1984–2012. Using the Composite2Change approach, we applied spectral trend analysis to annual best-available-pixel (BAP) surface reflectance image composites produced from Landsat TM and ETM+ imagery. A total of 73,544 images were used to produce 29 annual image composites, generating ∼400 TB of interim data products and resulting in ∼25 TB of annual gap-free reflectance composites and change products. On average, 10% of pixels in the annual BAP composites were missing data, with 86% of pixels having data gaps in two consecutive years or fewer. Change detection overall accuracy was 89%. Change attribution overall accuracy was 92%, with higher accuracy for stand-replacing wildfire and harvest. Changes were assigned to the correct year with an accuracy of 89%. Outcomes of this project provide baseline information and nationally consistent data source to quantify and characterize changes in forested ecosystems. The methods applied and lessons learned build confidence in the products generated and empower others to develop or refine similar satellite-based monitoring projects.
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 | 0,000 | 0,001 |
| 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 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| 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