Estimating Biophysical Parameters of Native Grasslands Using Spectral Data Derived from Close Range Hyperspectral and Satellite Data
Notice bibliographique
Résumé
Estimating biophysical parameters of native grassland enables management changes that affect ecological processes and economic benefits. Although multiple hyperspectral studies were focused on native grasslands, just a few compare data at different scales and among ecoregions. In this study, we compared data collected at different spectral and spatial scales and among Canadian Prairie ecoregions. Field observations indicate that the Fescue Ecoregion grasslands has specific dominant species, while the Moist-Mixed and Mixed Ecoregions share similar dominant species, which is important in determining parameters such as leaf area index (LAI) and canopy height. Hyperspectral measurements showed a specific signature for the Fescue Ecoregion, due to denser canopies, while the Moist-Mixed and Mixed Ecoregions showed similar spectral characteristics to each other. The correlation between biophysical parameters and spectral indices reveals the importance of LAI, since it was significantly correlated with all spectral indices analyzed. The Normalized Difference Vegetation Index (NDVI), Normalized Difference Moisture Index (NDMI), and the Plant Senescence Reflectance Index (PSRI) showed significant correlations with biophysical parameters. The comparison results indicated the PSRI being overestimated at all sites (satellite data) and NDVI underestimated at all sites. Finally, the satellite-derived LAI showed a significant positive relationship with the field-measured LAI.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».