Site-specific satellite data record from LEAF-Toolbox to support afforestation assessment in Ontario
Notice bibliographique
Résumé
Le boisement est le processus qui consiste à établir des forêts sur des terres anciennement non boisées. Le suivi des terres boisées est essentiel pour comprendre les processus liés au développement durable, atténuer l'impact des émissions de gaz à effet de serre sur le climat, caractériser les services écosystémiques et planifier les actions politiques. Il est difficile de surveiller ce processus en raison des coûts associés, de la disponibilité limitée des études in situ et de l'absence fréquente d'études systématiques in situ au cours de la période d'établissement. Les indices spectraux de végétation, tels que l'indice de végétation par différence normalisée (NDVI), l'indice de végétation amélioré (EVI) et l'indice de différence normalisée de l'eau (NDWI), etc., sont largement utilisés comme indicateurs de la repousse de la canopée pendant le boisement, car ces indices sont localement proportionnels aux variables biophysiques de la canopée, telles que le couvert végétal (fCOVER), l'indice de surface foliaire (LAI), la fraction du rayonnement photosynthétiquement actif absorbé (fAPAR), etc. Mais elles présentent des limites, comme l'impact des différences entre les capteurs, le bruit dû aux effets atmosphériques non corrigés, la relation non linéaire avec les propriétés physiques de la canopée, etc. Les variables biophysiques telles que fAPAR, fCOVER et LAI deviennent des alternatives pour surveiller l'état du boisement car elles sont indépendantes des capteurs, traçables aux mesures de référence in-situ, etc. Une mise à jour du prototype de processeur simplifié de niveau 2 (SL2P), SL2P-CCRS, est utilisée dans cette étude avec des données Landsat 8/9 et Sentinel 2. L'objectif de cette étude était d'extraire les données de réflectance de surface Landsat 8/9 et Sentinel 2, dérivées des estimations fCOVER, fAPAR et LAI à l'aide de SL2P-CCRS sur 4 905 sites de boisement dans le sud de l'Ontario, au Canada, et de comparer les variables dérivées avec le NDVI, largement utilisé.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,007 | 0,001 |
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 ».