Estimating Fractional Cover of Grassland Components from Two Satellite Remote Sensing Sensors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this study, the fractional cover (f) of three grassland components (photosynthetic vegetation (PV), non-photosynthetic vegetation (NPV), and background (B)) were estimated using Landsat 5 and CHRIS/Proba sensors. In 2009, a field campaign was carried out at three sites on the mixed prairie of southern Alberta, Canada to collect in situ measurements of fractional cover. Landsat 5 and CHRIS/Proba images were acquired near the same time as the ground measurements. The fPV was found to be closely related to the Modified Transformed Vegetation Indexes 1 and 2 (MTVI1, MTVI2; R 2 0.72 and 0.76) calculated from Landsat imagery. Narrow band versions of these and two other narrow band indices, the Red-edge Index (RE) and the Transformed Chlorophyll Absorption in Reflectance Index/Optimized Soil-Adjusted Vegetation Index (TCARI/OSAVI)), derived from nadir CHRIS imagery were also reasonable predictors of fPV. The estimates of non-photosynthetic vegetation were poor using these indices. A soil adjusted vegetation index, the Normalized Difference Senescent Vegetation Index derived from Landsat 5 produced a reasonable relationship with NPV ground cover (R 2 0.70; RMSE 3.52%). Estimation of fB from 100-(fPV+fNPV) consequently gave a similar reasonable relationship (R 2 of 0.71 ~ 0.82 and RMSE of 5.57~7.06%). The results showed that fPV and fNPV of mixed prairie rangeland could be estimated with an RMSE of 4-6 % using Landsat-derived vegetation indices. Such estimates of f could become a critical input to more comprehensive estimation of grassland biomass and growth rates in Alberta rangelands. Key words: grassland ecosystem, remote sensing, fractional cover, vegetation, background 1
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.
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) | 0,001 | 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 découle