Relationship between leaf area index and Landsat Operational Land Imager equivalent reduced simple ratio vegetation index for the Athabasca oil sands region, northern Alberta
Notice bibliographique
Résumé
This document describes the production of a regression relationship between leaf area index and the reduced simple ration vegetation index (RSR) for Landsat Operational Land Imager spectral bands over the Athabasca Oil Sands region of Alberta. from satellite imagery using standard Canada Centre for Remote Sensing algorithms. 245 Elementary Sampling Units (ESUs) were specified based on a stratification of both land cover and spectral reflectance in the vicinity of Fort McKay, Alberta, Canada. ESU LAI was estimated using in-situ digital hemispherical photographs acquired during the 2012 and 2013 growing seasons. The estimation used the CCRS Line Transect protocol followed by processing using CANEYEV6.3 software. Empirical corrections for shoot clumping are documented. In-situ Lai ranged from 0.09 to 6.08. A SPOT 5 satellite image was acquired within two weeks of each of the 2012 and 2013 field campaigns, orthorectified to within 10m (1 standard deviation) and radiometrically normalized to invariant targets in a surface reflectance Landsat OLI image acquired within 1 week of the 2013 SPOT image. The RSR was derived from both normalized SPOT5 images and sampled over each ESU. A Thiel-Sen linear regression was applied to generate a relationship to predict LAI given RSR across all sampled land cover conditions with a root mean square error of 0.49.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».