MétaCan
Menu
Retour à la cohorte
Enregistrement W3195754329 · doi:10.3390/rs13163219

Remote Sensing of Ecosystem Structure—Part 2: Initial Findings of Ecosystem Functioning through Intra- and Inter-Annual Comparisons with Earth Observation Data

2021· article· en· W3195754329 sur OpenAlexafffundabout
Daniel L. Peters, K. Olaf Niemann, Robert Skelly

Notice bibliographique

RevueRemote Sensing · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Climate Change CanadaUniversity of Victoria
Mots-clésEnvironmental sciencePhotosynthetically active radiationWetlandEcosystemFlooding (psychology)Remote sensingLeaf area indexClimatologyPhysical geographyGeologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

This study examines the response of a cold-regions deltaic wetland ecosystem in northwestern Canada to two separate and differing seasonal wetting cycles. The goal of this paper was to examine the nature of reflected electromagnetic energy measured by earth observation (EO) satellites, and to assess whether seasonal wetland hydroperiod and episodic flooding events impact the information retrieved by the Sentinel-2 sensors. The year 2018 represents a year characterized by a large spring freshet and ice-jam flooding, while 2019 represents a year characterized more by summer open-water flooding. We applied the Modified Normalized Difference Wetness Index (MNDWI) to address the effects of the wetting cycles. The response of the vegetative cover was tracked using the fraction of the absorbed photosynthetically active radiation (fAPAR) and the Leaf Area Index (LAI). All three indices were viewed through the lens of cover classes as derived through a previously published study by the authors. The study provides a framework for designing longer-term studies where multiple intra- and inter-annual hydrological cycles can be accessed via EO data. Future studies will enable the examination of lag times inherent in the response to the various water sources applied to spectral response and incorporate this EO approach into a monitoring framework.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil0,760

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,030
Tête enseignante GPT0,245
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetRemote Sensing in AgricultureTravaux en français237 207