Linking Structural Forest Heterogeneity and Ecological Processes Using Sentinel-2 and FAD-Based Zoning
Notice bibliographique
Résumé
Structural heterogeneity strongly influences forest ecological function, yet zone-specific spectral diagnostics remain limited. This study integrated Sentinel-2 imagery (2016, 2020, 2024) with field-observed ecological attributes across Foreground Area Density (FAD)-based structural zones in the Tuchola Forest Biosphere Reserve, Poland. The aim was to evaluate whether open Sentinel-2 vegetation indices can capture ecological variation across structurally distinct forest zones using interpretable machine-learning models. Correlation and cluster analyses of 17 vegetation indices revealed substantial multicollinearity, supporting the selection of a reduced set of spectrally distinct indices for modelling. Extra Trees (ET) and LightGBM (LGBM) produced comparable predictive performance, although ET achieved equal or lower RMSE values in most zone × year combinations and was retained for interpretation. Test-set RMSE remained below one degradation class (0.70-0.96), 2.04 moisture units, 2.35 site-type categories, and 34.4 years for stand age. Permutation importance and partial dependence analyses revealed clear zone-specific spectral-ecological relationships. Rare zones exhibited stronger stress-related spectral responses and greater variability in moisture and stand-age-related patterns, whereas Core zones displayed more stable response surfaces across years. NDRE emerged as the most consistent predictor across ecological attributes, while MCARI, NDMI, and CVI provided complementary information depending on the response variable. By combining FAD-based structural stratification, cluster-driven multicollinearity reduction, and interpretable ensemble learning, this framework provides a reproducible approach for linking spectral traits to ecological gradients across fragmentation contexts and supports open-data monitoring of fragmented forest landscapes.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».