MétaCan
Menu
Retour à la cohorte
Enregistrement W4404906360 · doi:10.1016/j.foreco.2024.122399

Characterizing the Spectral-Temporal Signatures of Eastern Hemlock (Tsuga Canadensis) Using Sentinel-2 Satellite Images and Phenology Modelling

2024· article· en· W4404906360 sur OpenAlexaff
Zhaoshu Shi, Ben DeVries, Chris J.K. MacQuarrie, Meghan Gray, Yu Zhao Ni, Faisal Moola

Notice bibliographique

RevueForest Ecology and Management · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésTsugaPhenologySatelliteEnvironmental scienceRemote sensingSpectral signatureEcologyGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Hemlock woolly adelgid (HWA) is an invasive insect that affects the eastern hemlock population in North America, causing severe die-off and altering ecosystem dynamics. Understanding the distribution of eastern hemlock will improve future HWA management and protection of existing eastern hemlock populations. To determine the degree to which different forest types and species can be distinguished at the stand level with variable densities of eastern hemlock present, a Bayesian phenology model was used to compute seven phenological parameters from four spectral indices derived from Sentinel-2 time series imagery. We tested spectral and phenological parameters derived using this method across three classification levels, including broad forest type, hemlock density, and dominant or co-dominant evergreen species. Using Kruskal-Wallis with post-hoc Dunn’s test, we found that phenological parameters derived from the Inverted Red-Edge Chlorophyll Index and the Soil-Adjusted Vegetation Index provided the highest separability between groups across all three levels of classification. The seasonal minimum greenness and fall inflection day provided the highest degree of separability among hemlock density classes. Seasonal minimum greenness provided the highest degree of separability among evergreen species. Among the nine evergreen dominant or co-dominant species classes tested, hemlock stands were found to be separable from four of the classes. White pine stands and black spruce stands showed the highest degree of overall separability. This study demonstrates the potential for phenological parameters in stand-level evergreen species classification. The combination of Sentinel-2 time series and phenological modeling has the potential to enhance tree species mapping studies at regional scales. • Phenological parameters tested for ability to identify hemlock in mixed stands. • Large phenological differences observed between deciduous and evergreen stands. • Spring inflection day and green-down slope separate evergreen and mixedwood stands. • Seasonal minimum greenness is sensitive to varying hemlock densities. • Hemlock dominant stands differ significantly from black spruce dominant stands.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,207
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForest Ecology and ManagementMême sujetRemote Sensing in AgricultureTravaux en français237 207