Using Bi-Temporal Lidar to Evaluate Canopy Structure and Ecotone Influence on Landsat Vegetation Index Trends Within a Boreal Wetland Complex
Notice bibliographique
Résumé
Wetland ecosystems are sensitive to climate variation, yet tracking vegetation type and structure changes through time remains a challenge. This study examines how Landsat-derived vegetation indices (NDVI and EVI) correspond with lidar-derived canopy height model (CHM) changes from 2000 to 2018 across the wetland landscape of the Peace–Athabasca Delta (PAD), Canada. By comparing CHM change and NDVI and EVI trends across woody and herbaceous land covers, this study fills a gap in understanding long-term vegetation responses in northern wetlands. Findings show that ~35% of the study area experienced canopy growth, while 2% saw a reduction in height. CHM change revealed 11% ecotonal expansion, where shrub and treed swamps encroached on meadow and marsh areas. NDVI and EVI correlated significantly (p < 0.001) with CHM, particularly in shrub swamps (r2 = 0.40, 0.35) and upland forests (NDVI r2 = 0.37). However, EVI trends aligned more strongly with canopy expansion, while NDVI captured mature tree height growth and wetland drying, indicated by rising land surface temperatures (LST). These results highlight the contrasting responses of NDVI and EVI—NDVI being more sensitive to moisture-related changes such as wetland drying, and EVI aligning more closely with canopy structural changes—emphasizing the value of combining lidar and satellite indices to monitor wetland ecosystems in a warming climate.
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 | 0,001 |
| 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 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 ».