Extending Estimates of Tree and Tree Species Presence-Absence through Space and Time Using Landsat Composites
Notice bibliographique
Résumé
We developed a methodology for extending estimates of the presence-absence of trees and several tree species contained in the Canadian National Forest Inventory using nationally consistent Landsat data products. For a prototype boreal forest region of Newfoundland and Labrador, Canada, we modeled and assessed changes in the presence-absence of trees and tree species distributions over a 25-year period. Random Forest models of presence-absence of trees had an overall classification accuracy of 0.87 ± 0.019. For five tree species, overall classification accuracies were: 0.74 ± 0.017 for balsam fir; 0.75 ± 0.028 for black spruce; 0.64 ± 0.085 for trembling aspen; 0.64 ± 0.035 for tamarack; and 0.77 ± 0.041 for white birch. While the proportion of treed area increased by 8.5% over the 25-year period, the area occupied by black spruce declined by 13.5%. The area of balsam fir and white birch increased by 9.9% and 28.2%, respectively, while trembling aspen and tamarack changed by less than 5%. The map products developed and trends observed offer baseline information in support of long-term monitoring of treed area and tree species distributions. The demonstrated methods encourage development of spatially-explicit map products to complement spatially or temporally limited forest inventory datasets.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».