MétaCan
Menu
Retour à la cohorte
Enregistrement W2623307522 · doi:10.3390/ijgi6060168

Pan-Sharpening of Landsat-8 Images and Its Application in Calculating Vegetation Greenness and Canopy Water Contents

2017· article· en· W2623307522 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueISPRS International Journal of Geo-Information · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Image Fusion Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaU.S. Geological SurveyAlberta InnovatesAlberta Innovates - Technology Futures
Mots-clésPanchromatic filmNormalized Difference Vegetation IndexImage resolutionRemote sensingVegetation (pathology)Multispectral imageSharpeningEnvironmental scienceEnhanced vegetation indexCanopyThematic MapperLeaf area indexVegetation IndexSatellite imageryGeographyPhysicsOpticsEcology

Résumé

récupéré en direct d'OpenAlex

Pan-sharpening is the process of fusing higher spatial resolution panchromatic (PAN) with lower spatial resolution multispectral (MS) imagery to create higher spatial resolution MS images. Here, our overall objective was to pan-sharpen Landsat-8 images and calculate vegetation greenness (i.e., normalized difference vegetation index (NDVI)), canopy structure (i.e., enhanced vegetation index (EVI)), and canopy water content (i.e., normalized difference water index (NDWI))-related variables. Our proposed methods consisted of: (i) evaluating the relationships between PAN band (0.503–0.676 µm) with a spatial resolution of 15 m and individual MS bands of Landsat-8 from blue (i.e., acquiring in the range 0.452–0.512 µm), green (i.e., 0.533–0.590 µm), red (i.e., 0.636–0.673 µm), near infrared (NIR: 0.851–0.879 µm), shortwave infrared-I (SWIR-I: 1.566–1.651 µm), and SWIR-II (2.107–2.294 µm) bands with a spatial resolution of 30 m; (ii) determining the suitable individual MS bands to be enhanced into the spatial resolution of the PAN band; and (iii) calculating several vegetation greenness and canopy moisture indices (i.e., NDVI, EVI, NDWI-I, and NDWI-II) at 15 m spatial resolution and subsequent validation using their equivalent-values at a spatial resolution of 30 m. Our analysis revealed that strong linear relationships existed between the PAN and most of the MS individual bands of interest except NIR. For example, r2 values were 0.86–0.89 for blue band; 0.89–0.95 for green band; 0.84–0.96 for red band; 0.71–0.79 for SWIR-I band; and 0.71–0.83 for SWIR-II band. As a result, we performed smoothing filter-based intensity modulation method of pan-sharpening to enhance the spatial resolution of 30 m to 15 m. In calculating the vegetation indices, we used the enhanced MS images and resampled the NIR to 15 m. Finally, we evaluated these indices with their equivalents at 30 m spatial resolution and observed strong relationships (i.e., r2 values in the range 0.98–0.99 for NDVI, 0.95–0.98 for EVI, 0.98–1.00 for NDWI).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil0,290

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,004
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,258
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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