Evaluating global vegetation products for application in heterogeneous forest-savanna landscapes
Notice bibliographique
Résumé
While satellite-derived global vegetation structure products are powerful and easy to use, their utility for studying spatial patterns within heterogeneous landscapes such as forest-savanna mosaics has not been extensively evaluated.We explored the application of global vegetation structure products in heterogeneous landscapes by comparing them with Airborne Laser Scanning.Specifically, we assessed the accuracy and bias of two fractional cover products, MODIS Vegetation Continuous Fields (VCF) and Hansen Global Forest Change (GFC), and one global canopy height model, Global Forest Canopy Height Model (CHM), in comparison with the same variables derived from local ALS point clouds.We found that there were limitations to all three products.MODIS VCF was less accurate than its reported accuracy by at least 3%, and GFC was 10% less accurate than MODIS VCF.While Global CHM had a similar magnitude of error to its reported product accuracy, product agreement was much lower (R 2 0.19 vs. R 2 0.61).We also found that the context of the analysis is important when choosing whether to use one fractional product over the other.Global products should be applied with caution in heterogeneous landscapes.Increased training and validation from these landscapes could improve the performance of these products and their utility for landscape-scale ecological research.
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 | 0,000 | 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 ».