Hyperspectral remote sensing investigations of vegetation in Northern Peatlands
Notice bibliographique
Résumé
Les capteurs d'imageries et de données hyperspectrales conçus pour observer la Terre, peuvent être utilisés pour étudier des sites telles que les tourbières qui, fournisse des services d'écosystème importantes comme la séquestration du carbone. Afin d'améliorer notre connaissance de la télédétection et de la recherche des tourbières , cette étude a utilisé plusieurs types de données de télédétection pour l'évaluation des méthodes qui visent à cartographier les différentes caractéristiques de la végétation. L'étude a été menée dans des tourbières situées dans la région de la baie James, au Québec, un site important pour la production hydroélectrique et à Mer Bleue, une tourbière situé près d'Ottawa, en Ontario. Pour le premier site, l'imagerie hyperspectrale et des photographies aériennes de haute résolution ont été utilisées pour générer des cartes de couverture terrestre sur une superficie de 145 km2. Cette étude démontre qu‘il est possible d'utiliser l'imagerie hyperspectrale afin de faire la distinction entre sept classes de végétation qui se trouvent dans les tourbières. Les cartes produites ont une précision de 80% avec un haut niveau de fidélité. La carte de couverture terrestre produite ici, représente une base pour les études de classes fonctionnelles de végétation, ainsi elle permet la stratification entre les écosystèmes et de la végétation qui s'y trouvent. Deuxièmement, une expérience a été menée visant à caractériser en détails les caractéristiques biophysiques et biochimiques de la végétation. À travers de l'utilisation de modèles (réseaux de neurones) cette étude réussie de produire des cartes qui montre les caractéristiques de la végétations sur le site. Les résultats démontrent que les cartes ont une bonne cohérence spatiale, mais ont un rendement inférieur pour caractériser la végétation à grande échelle de l'imagerie hyperspectrale.Globalement, cette enquête permettrais aux chercheurs et à l'industrie de cartographier la végétation et leurs caractéristiques en utilisant cet méthode ainsi contribuant à une meilleure connaissance du cycle du carbone dans les tourbières.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».