Landsat 7 SLC-Off gap-filling for interim data continuity in northern regions using a robust radiometric normalisation technique
Notice bibliographique
Résumé
Much of the current climate change research in Canada involves monitoring northern environments, which require a continuous source of data for change detection. Unfortunately, data continuity of Landsat 7 imagery has been interrupted due to the recent failure of the Scan Line Corrector (SLC), which compensates for the forward motion of the satellite. Although Landsat 7 data are still being acquired, each scene has gaps of no-data values due to the SLC failure. We have created a methodology to produce a consistent source of data for medium-resolution northern biomass study and change detection until a suitable replacement for Landsat 7 is launched. The relatively short growing season and low sun angle in the north provide few opportunities for acquisition of usable earth observation data, and coupled with the failure of the SLC, further reduces the amount of usable data per scene. Fortunately, the large overlap between adjacent orbits in northern Landsat scenes provides a potentially large sample to use for gap infilling. We propose normalization of scenes using overlap regions, semi-invariant targets and a robust regression technique called Thiel-Sen prior to infilling gaps in SLC-Off imagery using the normalised adjacent scene. The new technique enhances the Level 1G (L1G) products provided by the USGS and is modification to gap-filling procedures in the data flow of the Gap-Fill Algorithm currently in use by the USGS. The resulting imagery is much more suitable for biomass modelling using vegetation indices such as the Reduced Simple Ratio (RSR) and Normalised Difference Vegetation Index (NDVI). The current methodology shows great potential for maintaining data continuity of Landsat 7 imagery for northern environmental monitoring procedures requiring the use of vegetation indices.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».