Landsat and Sentinel-2 Based Burned Area Mapping Tools in Google Earth Engine
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
Four burned area tools were implemented in Google Earth Engine (GEE), to obtain regular processes related to burned area (BA) mapping, using medium spatial resolution sensors (Landsat and Sentinel-2). The four tools are (i) the BA Cartography tool for supervised burned area over the user-selected extent and period, (ii) two tools implementing a BA stratified random sampling to select the scenes and dates for validation, and (iii) the BA Reference Perimeter tool to obtain highly accurate BA maps that focus on validating coarser BA products. Burned Area Mapping Tools (BAMTs) go beyond the previously implemented Burned Area Mapping Software (BAMS) because of GEE parallel processing capabilities and preloaded geospatial datasets. BAMT also allows temporal image composites to be exploited in order to obtain BA maps over a larger extent and longer temporal periods. The tools consist of four scripts executable from the GEE Code Editor. The tools’ performance was discussed in two case studies: in the 2019/2020 fire season in Southeast Australia, where the BA cartography detected more than 50,000 km2, using Landsat data with commission and omission errors below 12% when compared to Sentinel-2 imagery; and in the 2018 summer wildfires in Canada, where it was found that around 16,000 km2 had burned.
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 | 0,000 |
| 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 découle