Determining the Contribution of Shaded Elements of a Canopy to Remotely Sensed Hyperspectral Signatures
Notice bibliographique
Résumé
Hyperspectral imagery has the potential to become a useful tool for monitoring and extracting biophysical properties of vegetated areas. Exploitation of this potential relies on the ability to relate at-canopy spectral reflectance to biophysical characteristics of vegetation and derive both sunlit and shaded component proportions and spectral profiles. Increased application of hyperspectral imagery to these areas is expected with the advent of space borne hyperspectral sensors (such as EO-1 Hyperion and CHRIS-PROBA). Such imagery of vegetated scenes is influenced however by the well known bidirectional reflectance distribution (BRDF) effect. One method of determining the contribution of shaded overstorey vegetation and background to observed spectral reflectance is to determine, by model inversion, the proportion of shaded surfaces viewed by the sensor, and the relative intensity of the radiative flux incident on these surfaces. This can be achieved by modelling the overall reflectance as composed of mean sunlit and shaded reflectance components, combined with an analytical description of the shaded radiant flux. Assuming a land cover type with consistent mean foliage and background reflectance, inversion of a semi-empirical model can be used to determine BRDF coefficients, which can then be applied to normalize the imagery to a specific view/sun geometry. If the modelled spectral coefficients directly relate to canopy properties, then BRDF normalization can also provide information to help directly relate the canopy architectural and biophysical properties to the remotely sensed signal. One such model, FLAIR, has been successfully used to investigate canopy characteristics from airborne and satellite spectral imagery.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».