Tracking savanna vegetation structure in South Africa by extension of GEDI canopy metrics with Landsat, Sentinel-2, and PALSAR
Notice bibliographique
Résumé
1 Abstract Adaptive management of savanna ecosystems requires frequent monitoring of woody vegetation structure, and although vegetation structure and changes may be captured with repeat airborne lidar, it is spatially and temporally limited across African savannas. As an alternative, this study evaluates the extension of spaceborne waveform lidar canopy metrics (RH98, Cover, Foliage Height Diversity) from the Global Ecosystem Dynamics Investigation (GEDI) across the Greater Kruger region in South Africa using moderate resolution optical sensors (Landsat and Harmonized Landsat Sentinel-2 [HLS]), L-band Synthetic Aperture Radar (PALSAR-1 and -2), and topographic and soil covariates. We compared the performance of 14 predictor sets incorporating different sensor combinations and temporal processing methods (LandTrendr and CCDC) in random forest models using temporal cross-validation to assess extrapolation accuracy. The most parsimonious fusion model (LandTrendr + SAR + topography/soils) achieved RMSEs of 3.04 m for RH98, 13.38% for Cover and 0.34 for FHD, which was comparable to more complex models using HLS and CCDC. All models demonstrated good temporal transferability with minimal bias but tended to overestimate low values and underestimate high values, which muted the estimated magnitude of change. Annual canopy structure maps derived from the best model captured expected spatial patterns and were used in model-based estimators to quantify changes in areas impacted by elephants, timber harvesting, fuelwood extraction, and woody encroachment. Extending GEDI metrics with moderate-resolution sensors thus offers a viable approach for large-scale savanna monitoring and detecting change in high impact areas.
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 | 0,001 |
| 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 ».