MétaCan
Menu
← Retour à la cohorte
Enregistrement W2982045069 · doi:10.4095/219874

Mapping leaf area index heterogeneity over Canada using directional reflectance and anisotropy canopy reflectance models using directional reflectance and anisotropy canopy reflectance models.

2002· report· en· W2982045069 sur OpenAlexaffabout
Sylvain G. Leblanc, J M Chen, H. Peter White, R. Latifovic, Richard Fernandes, J.L. Roujean, Roselyne Lacaze

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésReflectivityAnisotropyCanopyBidirectional reflectance distribution functionRemote sensingLeaf area indexEnvironmental scienceOpticsGeologyBotanyPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

Leaf area index (LAI) retrieval from remote sensing is a very active research field. In heterogeneous canopies, simulations with the canopy reflectance model Five-Scale show that nadir view vegetation indices, such as NDVI and Simple Ratio (SR), based on near infrared and red reflectance are more closely related to the gap fraction at the solar zenith angle than the LAI. The gap fraction is important in canopy light interception. At the solar zenith angle, it can be used to estimate the amount of sunlit LAI. But the knowledge of LAI and foliage heterogeneity are both needed to estimate shaded leaves that are also important in the carbon cycle. In our previous studies, we developed a methodology to retrieve the foliage heterogeneity, represented by a clumping index, from remote sensing. The retrieval is accomplished with an anisotropy index using broadband directional reflectance at the hotspot and at the darkspot. The combination of nadir, hotspot, and darkspot views allows the LAI retrieval for a given cover type. However, directional measurements are not usually acquired with the same sun-target-sensor geometry, so the anisotropy kernel-based Four-scale Linear model for AnIsotropy Reflectance (FLAIR) is used to interpolate the directional reflectance from ADEOS-POLDER data to acquire hotspot and darkspot reflectance at a common geometry in the near infrared band. A landcover map at 1-km based on SPOT-VGT data acquired in 1998 and directional POLDER data acquired over Canada in June 1997, are used to map the clumping index. The results show consistent clumping index values compared to in-situ values, and that SR and the anisotropy index are not correlated to each other, indicating that both indices are related to different canopy properties.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,275
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing in Agriculture→Travaux en français237 207→