MétaCan
Menu
Retour à la cohorte
Enregistrement W4416347233 · doi:10.1016/j.rse.2025.115133

On the sensitivity of SAR C- and L-band dual-polarized data for detection of early deforestation in the tropics

2025· article· en· W4416347233 sur OpenAlexafffund
Africa I. Flores-Anderson, Jeffrey A. Cardille, Josef Kellndorfer, Franz J. Meyer, Pontus Olofsson

Notice bibliographique

RevueRemote Sensing of Environment · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensSte. Anne's HospitalMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAustralian Speleological FederationJapan Aerospace Exploration AgencyNational Aeronautics and Space Administration
Mots-clésDeforestation (computer science)RadarBackscatter (email)Vegetation (pathology)TropicsBiomass (ecology)Sensitivity (control systems)Synthetic aperture radar

Résumé

récupéré en direct d'OpenAlex

Operational national forest monitoring requires frequent, reliable observations for timely detection of deforestation and other forest changes. However, tropical forests, which encompass all current major deforestation fronts, are often hampered by persistent cloud cover. While radar remote sensing offers a compelling complement to optical data, a significant research gap remains in distinguishing the strengths and limitations of different radar sensors to the multiple stages of forest disturbance. Given the impending rapid expansion of available data outside the C band, it is imperative to assess the ability of these sensors to rapidly and accurately detect changes of high importance to the remote sensing community. To address this gap, we investigated the sensitivity of two freely available radar datasets — JAXA’s ALOS-2 PALSAR-2 (L-band) and ESA’s Sentinel-1 (C-band) — to distinct stages of tropical forest loss. With a particular focus on detecting the earliest stage of deforestation, we compared backscatter values, SAR indices, and statistical metrics against time series data from 92 locations over three years in the Amazon. In these locations, early deforestation, biomass burning, and vegetation regrowth were occurring in different stages of the full conversion process. Our analysis revealed that the L-band-derived Radar Forest Degradation Index (RFDI) is highly sensitive to early deforestation, even when biomass remains on the ground soon after cutting. In contrast, C-band information showed limited ability to sense this critical initial stage of change, but was much stronger at detecting later deforestation stages. Our results point the way toward combining information from the upcoming L-Band NISAR mission with the existing C-band information to produce a multi-component system that can accurately detect deforestation in all its temporal stages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,688
Score d'incertitude au seuil0,166

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,226
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRemote Sensing of EnvironmentMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207