Remote Sensing of Forest Composition and Diversity: Assessing Spectral Predictors and Long-Term Changes in Quebec’s Forests
Notice bibliographique
Résumé
Forest biodiversity and composition are shifting in response to anthropogenic pressures, natural disturbances, and climate change, especially in regions like Quebec where many broadleaf and conifer species coexist. This thesis investigates how remote sensing can support large scale forest monitoring through two research components. The first evaluates the relationship between satellite derived spectral diversity and ground measured tree diversity metrics across Quebec’s deciduous, mixed, and boreal forests. Using Sentinel-2 imagery and forest inventory plots, we tested the Spectral Variation Hypothesis (SVH) through spectral analysis, clustering, and machine learning. While models poorly predicted species richness, Shannon diversity, and functional dispersion (r2 < 0.46 for all), they performed well for percent conifer (r2 = 0.77), suggesting that structural traits are more detectable via optical sensors than taxonomic diversity. The second component tracks changes in conifer composition (through conifer basal area percentage index) across three decades from 1985 to 2021 using forest inventory plots and Cubist regression models trained on Landsat imagery. Ground data showed widespread increases in conifer basal area, particularly in mixed forests largely driven by balsam fir (Abies balsamea). Cubist models generated spatially continuous maps of conifer basal area percentage and captured general trends, though their change detection accuracy at the plot scale was moderate. Together, these studies demonstrate both the strengths and limitations of remote sensing for biodiversity assessment and forest composition monitoring and emphasize the value of focusing on structural characteristics when interpreting spectral signals.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».