Hyperspectral imaging has a limited ability to remotely sense the onset of beech bark disease
Notice bibliographique
Résumé
Abstract Insect and pathogen outbreaks have a major impact on northern forest ecosystems. Even for pathogens that have been present in a region for decades, such as beech bark disease (BBD), new waves of tree mortality are expected. Hence, there is a need for innovative approaches to monitor disease advancement in real time. Here, we test whether airborne hyperspectral imaging – involving data from 344 wavelengths in the visible, near infrared (NIR) and short‐wave infrared (SWIR) – can be used to assess beech bark disease severity in southern Quebec, Canada. Field data on disease severity were linked to airborne hyperspectral data for individual beech crowns. Partial least‐squares regression (PLSR) models using airborne imaging spectroscopy data predicted a small proportion of the variance in beech bark disease severity: the best model had an R 2 of only 0.09. Wavelengths with the strongest contributions were from the red‐edge region (~715 nm) and the SWIR (~1287 nm), which may suggest mediation by canopy greenness, water content, and canopy architecture. Similar models using hyperspectral data taken directly on individual leaves had no explanatory power ( R 2 = 0). In addition, airborne and leaf‐level hyperspectral datasets were uncorrelated. The failure of leaf‐level models suggests that canopy structure was likely responsible for the limited predictive ability of the airborne model. Somewhat better performance in predicting disease severity was found using common band ratios for canopy greenness assessment (e.g., the Green Normalized Difference Vegetation Index, gNDVI, and the Normalized Phaeophytinization Index, NPQI); these variables explained up to 19% of the variation in disease severity. Overall, we argue that the complexity of hyperspectral data is not necessary for assessing BBD spread and that spectral data in general may not provide an efficient means of improving BBD monitoring on a larger scale.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».