Medium resolution land cover mapping of Canada from SPOT 4/5 data
Notice bibliographique
Résumé
Medium resolution land cover is one of the most widely used geospatial datasets for environmental assessment in Canada. Canada's current coverage is from circa-2000 Landsat and is therefore becoming out-of-date. With an update of the medium resolution orthoimage coverage of Canada from circa-2000 30 m Landsat to 2005 - 2010 20 m SPOT 4-5 imagery, an opportunity presented itself to update Canada's land cover with improved spatial resolution. Previous experience mapping the Northern Land Cover of Canada (NLCC) taught us to efficiently map at the national scale from Landsat, however the SPOT dataset required new approaches to deal with problems related to phenology and a smaller image footprint compared to Landsat. This paper presents solutions to the problems of radiometric normalization and classification extension with the objective of producing a consistent and accurate medium resolution national scale land cover. A 20 m SPOT land cover of Canada's forested regions at a 16-class thematic level is presented with full validation using nearly 1600 reference points across Canada. The overall accuracy of the product is 71% for strict assessment and 85% if relaxed to account for geolocation errors. An assessment of the product along the treeline ecotone suggests an improvement over existing land cover, while northward the product merges better with the existing circa-2000 Northern Land Cover of Canada from Landsat.
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 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 | 0,005 | 0,002 |
| 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 | 0,001 | 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 tête enseignante, 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 ».