Spatial enhanced spatiotemporal reflectance fusion model for heterogeneous regions with land cover change
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Numerous spatiotemporal fusion models have been developed to fuse dense time-series data with a high spatial resolution for monitoring land surface dynamics. Nonetheless, enhancing spatial details of fused images, eliminating the obvious ‘plaque’ phenomenon and image blurring in fused images, and developing relatively simple andFootnote1 easy-to-implement algorithms remain a challenge for spatiotemporal fusion algorithms. Therefore, this paper presents a newly proposed spatial enhanced spatiotemporal reflectance fusion model (SE-STRFM) for image fusions in heterogeneous regions with land cover change. The SE-STRFM model predicts temporal changes of reflectance in sub-pixel details based on the spectral unmixing theory, and allocates reflectance changes caused by abrupt land cover change in fine-resolution images with a relatively simple algorithm and easy implementation. SE-STRFM only needs one pair of input data, comprising one fine-resolution image and one coarse-resolution image, to achieve high-precision reflectance prediction with spatial details. To verify the reliability and applicability of the SE-STRFM, we use Landsat image and simulated MODIS-like image to fuse high spatial and temporal resolution images and select two study areas with heterogeneous landscape and land cover type change for fusion experiments and accuracy evaluation. The results show that the images fused by SE-STRFM have clearer spatial details and a more accurate spectral distribution compared with those fused by the most widely used STARFM, ESTARFM and FSDAF. In two study areas with heterogeneous landscape and land cover type change, compared with STARFM, ESTARFM and FSDAF, the RMSE of SE-STRFM is 10.52%, 28.39% and 6.58% lower on average, respectively; r is 3.67%, 10.33% and 1.65% higher on average, respectively; AAD is 9.05%, 24.58% and 7.29% lower on average, respectively; and SSIM is 3.16%, 10.16% and 1.92% higher on average, respectively. SE-STRFM can accurately capture temporal changes with spatial details and effectively predict abrupt land-cover changes.
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.
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 | 0,000 | 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 découle