Disturbance-Informed Annual Land Cover Classification Maps of Canada's Forested Ecosystems for a 29-Year Landsat Time Series
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
Land cover classification of large geographic areas over multiple decades at an annual time step is now possible based upon free and open access to the Landsat data archive. Annual gap-free, best-available-pixel, surface reflectance, image composites and annual forest change maps have been generated for Canada for the years 1984 to 2012. Using these data, we demonstrate the Virtual Land Cover Engine (VLCE), a framework for change-informed annual land cover mapping, over the 650 million ha forested ecosystems of Canada, to produce a 29-year data cube of land cover. Post-processing aimed to reduce spurious class transitions is undertaken integrating change information, land cover transition likelihoods, and year-on-year class membership likelihoods. Validation was assessed for a single year (2005) using independent data for an overall accuracy of 70.3% (± 2.5%). Key results are the detailed capture of trends in land cover, illustration of land cover links to disturbance processes, and insights related to the general stability of land cover over time with stand replacing disturbance followed by regeneration of forests. The portable mapping framework and resultant data products offer an integrated, long baseline, disturbance-informed and detailed depiction of land cover to meet science and program related information needs.
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 | 0,000 |
| 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 découle