Impacts of Spatial Resolution on Remote Sensing Land Cover Classification and NDVI Estimates for Southern Baffin Island, Nunavut, Canada
Notice bibliographique
Résumé
Accurate land cover classification of tundra is critical to modelling of future climate impacts in the Arctic. Existing classification systems (CAVM, NALCMS, GLC2000) are based on low- to medium-resolution remote sensing imagery which may result in low accuracy where land cover is variable. In this study we focus on southern Baffin Island to create a new classification based on 10-m resolution NDVI from 2018 Sentinel-2 satellite imagery, compare this new classification with existing systems, and characterize dependence of NDVI on spatial resolution based on three ~25-km2 0.5-m resolution WorldView-2 images. We recognized six different land cover types including Polar Semi-Desert (40%), Mesic Tundra (21%), and Wet Sedge Meadow (18%), based on previous studies of Baffin Island. Percent area of these six types within CAVM, NALCM, and GLC2000 cover classes was highly variable. As measured by the relative coefficient of variation, variations in NDVI were greatest at higher spatial resolutions, increasing by 800% with a shift from 0.5-10m2, versus 200% from 10-100 m2. Our results suggest that existing pan-Arctic classifications may not accurately capture land cover patterns on Baffin Island and likely other high-latitude regions, and highlight the need to use these classifications with caution when used to generalize Arctic ecosystem responses to climate change.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».