Assessing spatial distribution and quantification of native trees in Saskatchewan’s prairie landscape using remote sensing techniques
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
The importance of trees in non-forest landscapes has been the focus of only a few studies. However, these trees provide many important ecosystem services. In this study, we mapped and quantified these trees using Sentinel-2 (S2) and very high-resolution (VHR) Google satellite imagery without any field campaigns. We performed a Random Forest (RF) classification to map the spatial distribution of native trees in different scenarios. The optimal model showed an overall accuracy and kappa of 0.99 and 0.98, respectively. We mapped 40,500 km2 of tree cover, including native tree cover (approximately 29,565 km2 ≈10.5%), excluding plantations, regional and provincial parks, and water bodies in the Canadian prairie region of Saskatchewan. According to our results, the highest numbers of native trees were found in the eastern and northwestern parts of the study area – cluster “BLK_1” and the “Black” soil zone, with total cover of 5,388 and 13,233 km2, respectively. The lowest numbers of native trees were found in the southwest side of the study area – cluster “BRN_6” and the “Brown” soil zone, with total cover of 2.38 and 979.5 km2, respectively. This research is important as detecting and quantifying native trees is an integral part of studies on carbon sequestration, economics, and effective management strategies.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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