Derivation and assessment of forest-relevant polarimetric indices using RCM compact-pol data
Notice bibliographique
Résumé
Three radar polarimetric indices, Radar Vegetation Index (RVI), Canopy Structure Index (CSI) and Radar Forest Degradation Index (RFDI)—normally associated with quad-pol (QP) synthetic aperture radar (SAR) sensors—were derived using compact polarimetry (CP) data from the Radarsat Constellation Mission (RCM). Indices were generated over a 10,000-hectare temperate mixedwood forest containing a range of complex forest structures. For comparative purposes, the same indices were generated using Radarsat-2 QP data. Agreement between CP and QP indices were assessed across broad vegetated land cover types, at the forest stand-level wherein ground plots and airborne LiDAR data were available, and at the pixel level within validation stands representing different forest types. Agreement was consistently strong for the RVI and weak for the CSI, with agreement stronger when generalized to the stand level. Indices were more informative on differences between vegetation types (e.g. forest and open wetland) than between forest types with different structures. With a radar nominal off-nadir incidence angle at 38°, RCM CP indices had narrower dynamic ranges compared to Radarsat-2 QP indices, especially the CSI, contributing to a lower level agreement for the CSI. CP data enables derivation of RVI, CSI and RFDI indices simultaneously, and provides large spatial coverage and capacity for dense time-series collection, features which are unavailable from current QP sensors.
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 | 0,001 | 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 ».