Effect of shade on simultaneous estimation of non-photosynthetic and photosynthetic vegetation cover using the NDVI-NSSI normalized difference triangular space
Notice bibliographique
Résumé
The non-photosynthetic vegetation – soil separation index (NSSI) and normalized difference vegetation index (NDVI) can be used to simultaneously estimate the fractional cover of non-photosynthetic vegetation (fNPV), photosynthetic vegetation (fPV), and bare soil (fBS) in vegetation ecosystems. However, these estimates suffer from problems due to shading by dense vegetation or topography. Based on field-measured data and on hyperspectral data acquired by unmanned aerial vehicles, we analyse how shading affects the morphology of NDVI-NSSI and enhanced vegetation index – NSSI (EVI-NSSI). We also investigate the simultaneous estimation of fNPV, fPV, and fBS. The results show that the NDVI-NSSI normalized difference feature space mitigates the impact of shade. Shade causes the NDVI-NSSI and EVI-NSSI to shift rightward parallel to the BS axis and leftward parallel to the PV axis, respectively. Although such shifts may hinder the determination of NPV, PV, and BS endmembers, they do not affect the spectral separation of NPV. Overall, with the NDVI-NSSI and EVI-NSSI methods, the estimation error for fNPV under shaded conditions is approximately 5% greater than that under illuminated conditions. Shaded green vegetation more strongly affects the estimation error of fPV and fBS in EVI-NSSI than in NDVI-NSSI, whereas fBS and fPV depend more strongly on shade than fNPV.
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 | 0,001 |
| 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 ».