Quantifying Changes on Forest Succession in a Dry Tropical Forest Using Angular-Hyperspectral Remote Sensing
Notice bibliographique
Résumé
The tropical dry forest (TDF) is one the most threatened ecosystems in South America, existing on a landscape with different levels of ecological succession. Among satellites dedicated to Earth observation and monitoring ecosystem succession, CHRIS/PROBA is the only satellite that presents quasi-simultaneous multi-angular pointing and hyperspectral imaging. These two characteristics permit the study of structural and compositional differences of TDFs with different levels of succession. In this paper, we use 2008 and 2014 CHRIS/PROBA images from a TDF in Minas Gerais, Brazil to study ecosystem succession after abandonment. Using a −55° angle of observation; several classifiers including spectral angle mapper (SAM), support vector machine (SVM), and decision trees (DT) were used to test how well they discriminate between different successional stages. Our findings suggest that the SAM is the most appropriate method to classify TDFs as a function of succession (accuracies ~80 for % for late stage, ~85% for the intermediate stage, ~70% for early stage, and ~50% for other classes). Although CHRIS/PROBA cannot be used for large-scale/long-term monitoring of tropical forests because of its experimental nature; our results support the potential of using multi-angle hyperspectral data to characterize the structure and composition of TDFs in the near future.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».