Scattered and Received Wave Polarization Optimization for Enhanced Peatland Classification and Fire Damage Assessment Using Polarimetric PALSAR
Notice bibliographique
Résumé
The complementarity of the “scattered” and “received” wave polarization signatures is demonstrated for enhanced characterization of peatlands and surrounding forests. Polarimetric L-band ALOS-PALSAR data collected for the Athabasca oil sand exploration region, with peatlands and forests partially affected by multiple wildfires, are used. It is shown that the scattered wave polarization signature, which represents the explicit variations of the degree of polarization (DoP) and the total scattered intensity R0with transmitted polarization, permits enhanced discrimination of treed bogs from upland forests and improved identification of wildfire damage in peatlands and surrounding forests. Scattered wave optimization is used as a convenient method for efficient exploitation of the scattered wave polarization signature. The Touzi decomposition is adopted for the optimization of the received wave polarization signature. The unique potential of the scattering-type phase generated with the Touzi decomposition is confirmed for enhanced discrimination of poor fens from bogs. These two important peatland classes cannot be separated with the scattered wave optimization, the conventional multipolarization (HH-HV-VV) channels, and the Freeman model based decomposition. Finally, the Touzi decomposition is combined with the extrema of the scattered wave main parameters (DoP and R0) for optimum extraction of polarimetric PALSAR information. This information is, then, fused with Landsat-5-TM for enhanced peatland classification. The comparison with optical Landsat5-TMbased classification confirms the valuable added information that a long penetrating polarimetric L-band PALSAR can provide for enhanced peatland classification and efficient assessment of peat health in burnt peatlands.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».