Detecting changes in understorey and canopy vegetation cycles in West Central Alberta using a fusion of Landsat and MODIS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Aims To model regional vegetation cycles through data fusion methods for creating a 30‐m daily vegetation product from 2000 to 2018 and to analyze annual vegetation trends over this time period. Location The Yellowhead Bear Management Area, a 31,180‐km 2 area in west central Alberta, Canada. Methods In this paper, we use Dynamic Time Warping (DTW) as a data fusion technique to combine Landsat 5, 7 and 8 satellite data and Moderate Resolution Image Spectroradiometer (MODIS) Aqua and Terra imagery, to quantify daily vegetation using Enhanced Vegetation Index at a 30‐m resolution, for the years 2000–2018. We validated this approach, entitled DRIVE (Daily Remote Inference of VEgetation), using imagery acquired from a network of ground cameras. Results When DRIVE was compared to start and end of season dates (SOS and EOS respectively) derived from ground cameras, correlations were r = 0.73 at SOS and r = 0.85 at EOS with a mean absolute error of 7.17 days at SOS and 10.76 days at EOS. Results showed that DRIVE accurately increased spatial and temporal resolution of remote‐sensing data. We demonstrated that SOS is advancing at a maximum rate of 0.78 days per year temporally over the 18‐year time period for varying elevation gradients and land cover classes over the region. Conclusions With DRIVE, we demonstrate the utility of DTW in quantifying vegetation cycles over a large heterogeneous region and determining how changing climate is affecting regional vegetation. DRIVE may prove to be an important method to determine how carbon sequestration is varying within fine‐scale individual plant communities in response to changing climate and likely will be beneficial to wildlife movement and habitat selection studies examining the varying response of wildlife species to changing vegetation cycles under shifting climatic conditions.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle