MétaCan
Menu
Retour à la cohorte
Enregistrement W4311596687 · doi:10.1109/tgrs.2022.3226154

Variation of Clumping Index With Zenith Angle for Forest Canopies

2022· article· en· W4311596687 sur OpenAlexaff
Jun Geng, Lili Tu, Jing M. Chen, Jean‐Louis Roujean, Gang Yuan, Ronghai Hu, Jianwei Huang, Chunju Zhang, Zhourun Ye, Xiaochuan Qu, Min Yu, Yongchao Zhu, Qingjiu Tian

Notice bibliographique

RevueIEEE Transactions on Geoscience and Remote Sensing · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNatural Science Foundation of Anhui ProvinceNational Natural Science Foundation of China
Mots-clésZenithCanopyCrown (dentistry)Leaf area indexRemote sensingSolar zenith angleRadiative transferEnvironmental scienceNadirBidirectional reflectance distribution functionAtmospheric sciencesGeographyReflectivityPhysicsOpticsEcologyMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Canopy clumping index (CI) characterizes the extent of the nonrandom spatial distribution of foliage elements within a canopy and is critical for determining the radiative transfer, photosynthesis, and transpiration processes in the canopy. It is widely perceived that CI increases with zenith angle (θ), because between-crown gaps decrease in size and number with increasing θ. In this study, we demonstrate that this is not always true. Analytical equations between CI and θ are first developed based on widely-used forest canopy gap fraction theories. The results show that the zenith angular variation of CI is closely related to crown projected area or crown shapes (i.e., the ratio of the crown height to its diameter, RHD): CI increases with θ for canopies with “tower” crowns (RHD > 1), but decreases with θ for “umbrella” crowns (RHD < 1) and does not vary much with θ for “sphere” crowns (RHD = 1). These results are validated in a LargE-Scale remote sensing data and image Simulation framework (LESS) platform, and published datasets including the measurements in field and RAMI forest stands. The findings are essential for the derivation of angular integrated (hemispherical) CI from <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">in-situ</i> measurements and multi-angular remote sensing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,659

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Geoscience and Remote SensingMême sujetRemote Sensing in AgricultureTravaux en français237 207