Mapping Alpine Grassland Fraction Coverage Using Zhuhai-1 OHS Imagery in the Three River Headwaters Region, China
Notice bibliographique
Résumé
The widely spread alpine grassland ecosystem in the Three River Headwaters Region (TRHR) plays an essential ecological role in carbon sequestration and soil and water conservation. In this study, we test the latest high spatial resolution hyperspectral (Zhuhai-1 OHS) remote sensing imagery to examine different alpine grassland coverage levels using Multiple Endmember Spectral Mixture Analysis (MESMA). Our results suggest that the 3-endmember (3-EM) MESMA model can provide the highest image pixel unmixing percentage, with a percentage exceeding 97% and 96% for pixel scale and landscape scale, respectively. The overall accuracy shows that Zhuhai-1 OHS imagery obtained the highest overall accuracy (83.7%, k = 0.77) in the landscape scale, but in the pixel scale, it is not as good as Landsat 8 OLI imagery. Overall, we can conclude that the hyperspectral imagery combined 3-EM MESMA model performs better in both pixel scale and landscape scale alpine grassland coverage mapping, while the multispectral imagery with the 3-EM MESMA model can satisfy requirements of alpine grassland coverage mapping at the pixel scale. The approaches and workflow to mapping alpine grassland in this study can help monitor alpine grassland degradation; not only in the Qinghai–Tibetan Plateau (QTP), but also in other grassland ecosystems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».