MétaCan
Menu
Retour à la cohorte
Enregistrement W2991324815 · doi:10.3390/rs11232745

Assessment of Spatio-Temporal Patterns of Black Spruce Bud Phenology across Quebec Based on MODIS-NDVI Time Series and Field Observations

2019· article· en· W2991324815 sur OpenAlexafffundabout
Siddhartha Khare, Guillaume Drolet, Jean‐Daniel Sylvain, Maxime C. Paré, Sergio Rossi

Notice bibliographique

RevueRemote Sensing · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensMinistère des Ressources naturelles et des ForêtsUniversité du Québec à Chicoutimi
Organismes subventionnairesMinistère des Forêts, de la Faune et des ParcsUniversité du Québec à ChicoutimiNational Aeronautics and Space Administration
Mots-clésPhenologyAnnual growth cycle of grapevinesNormalized Difference Vegetation IndexEnvironmental scienceSatelliteBlack spruceRemote sensingPhysical geographyClimatologyGeographyClimate changeBiologyTaigaForestryGeologyHorticultureEcologyPhysics

Résumé

récupéré en direct d'OpenAlex

Satellite remote sensing is a widely accessible tool to investigate the spatiotemporal variations in the bud phenology of evergreen species, which show limited seasonal changes in canopy greenness. However, there is a need for precise and compatible data to compare remote sensing time series with field observations. In this study, fortnightly MODIS-NDVI was fitted using double-logistic functions and calibrated using ordinal logit models with the sequential phases of bud phenology collected during 2015, 2017 and 2018 in a black spruce stand. Bud break and bud set were spatialized for the period 2009–2018 across 5000 stands in Quebec, Canada. The first phase of bud break and the last phase of bud set were observed in the field in mid-May and at the beginning of September, when NDVI was 80.5% and 92.2% of its maximum amplitude, respectively. The NDVI rate of change was estimated at 0.07 in spring and 0.04 in autumn. When spatialized on the black spruce stands, bud break was detected earlier in the southwestern regions (April–May), and later in the northeastern regions (mid to end of June). No clear trend was observed for bud set, with different patterns being detected among the years. Overall, the process bud break and bud set lasted 51 and 87 days, respectively. Our results demonstrate the potential of satellite remote sensing for providing reliable timings of bud phenological events using calibrated NDVI time series on wide regions that are remote or with limited access.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,470
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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 tête enseignante, 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

Citations30
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetRemote Sensing in AgricultureTravaux en français237 207