Simplified Level 2 Vegetation Processor – Canada Centre for Remote Sensing (SL2P-CCRS) for estimating biophysical variables using multispectral-imager data
Notice bibliographique
Résumé
Il existe un consensus sur la nécessité de surveiller globalement les variables biophysiques du couvert végétal à une résolution moyenne (<1 ha) et avec une fréquence de <=10 jours (Organisation Météorologique Mondiale, 2016). Les capteurs satellites multispectraux conçus pour satisfaire aux exigences de mesure pour cette tâche sont et continueront d'être disponibles (https://gcos.wmo.int/en/essential-climate-variables/requirements). Le Simplified Level 2 Processor – D (SL2P-D) produit des estimations des variables biophysiques du couvert végétal à partir d'entrées de réflectance multispectrale bidirectionnelle, soit en haut de l'atmosphère (TOA), soit en haut du couvert végétal (TOC), ainsi que des angles d'illumination, de vue et d'azimut relatif. Des modèles de régression non linéaires distincts sont utilisés pour estimer la valeur attendue et l'erreur quadratique moyenne attendue de chaque variable. Les estimateurs de régression sont optimisés pour les entrées de réflectance multispectrale (c'est-à-dire <10 bandes avec une largeur de bande >10 nm) mais peuvent être appliqués à des spectres arbitraires tant qu'un modèle de transfert radiatif avec une précision suffisante pour simuler ces spectres est inclus dans le processeur. La paramétrisation, l'algorithme et les résultats d'échantillons du SL2PD sont présentés et comparés à son prédécesseur, SL2P (Weiss et Baret, 2016).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,017 |
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 source (Gemma direct ou Codex distillé), 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 ».