Spatial Agreement among Vegetation Disturbance Maps in Tropical Domains Using Landsat Time Series
Notice bibliographique
Résumé
Detecting disturbances in native vegetation is a crucial component of many environmental management strategies, and remote sensing-based methods are the most efficient way to collect multi-temporal disturbance data over large areas. Given that there is a large range of datasets for monitoring, analyzing, and detecting disturbances, many methods have been well-studied and successfully implemented. However, factors such as the vegetation type, input data, and change detection method can significantly alter the outcomes of a disturbance-detection study. We evaluated the spatial agreement of disturbance maps provided by the Breaks For Additive Season and Trend (BFAST) algorithm, evaluating seven spectral indices in three distinct vegetation domains in Brazil: Atlantic forest, savanna, and semi-arid woodland, by assessing levels of agreement between the outputs. We computed individual map accuracies based on a reference dataset, then ranked their performance, while also observing their relationships with specific vegetation domains. Our results indicated a low rate of spatial agreement among index-based disturbance maps, which itself was minimally influenced by vegetation domain. Wetness indices produced greater detection accuracies in comparison to greenness-related indices free of saturation. The normalized difference moisture index performed best in the Atlantic forest domains, yet performed poorest in semi-arid woodland, reflecting its specific sensitivity to vegetation and its water content. The normalized difference vegetation index led to high disturbance detection accuracies in the savanna and semi-arid woodland domains. This study offered novel insight into vegetation disturbance maps, their relationship to different ecosystem types, and corresponding accuracies. Distinct input data can produce non-spatially correlated disturbance maps and reflect site-specific sensitivity. Future research should explore algorithm limitations presented in this study, as well as the expansion to other techniques and vegetation domains across the globe.
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 ».