Improving sample-based National Forest Inventory estimates of tree cover using Landsat-derived land cover data as auxiliary information
Notice bibliographique
Résumé
In Canada, satellite-derived data are available as National Terrestrial Ecosystem Monitoring System (NTEMS) products, which can be used as auxiliary information to improve sample-based National Forest Inventory (NFI) estimates. This study explored statistical approaches of using these satellite-derived data to improve vegetated tree (VT) cover estimate in the Atlantic Maritime Ecozone. First, a model-assisted regression estimator with beta regression (MA beta ) was evaluated using simulated population datasets. Then, the efficiency of the MA beta estimator was compared to a design-based ratio estimator (DB) in two scenarios: one with temporally matched survey and auxiliary data, and another with temporally unmatched survey and auxiliary data. The assisting model was also used to generate model-based bootstrap aggregate annual estimates (Mb BAE ) of VT cover proportion to explore temporal trends and assess sensitivity to disturbances during 2007–2017. Results showed that the MA beta estimator provided nearly unbiased estimates with a coverage rate of about 95% (when n ≥ 100). The MA beta estimates were more precise than the DB estimates, especially when survey and auxiliary data were temporally matched (RE = 3.04 with g-weights, RE = 3.25 without g-weights). Moreover, the MB BAE -based annual estimates of VT cover proportion indicated that stand-replacing disturbances drive VT cover dynamics in the ecozone. The results suggest that incorporating remote sensing based, independently derived, wall-to-wall data products can improve the accuracy and precision of Canada's NFI, aiding in monitoring forest resources at various scales.
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 | 0,004 | 0,013 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».