Merging data streams and remote sensing change detection routines for stand-replacing disturbances in Canada
Notice bibliographique
Résumé
L'étude de l'évolution de la surface de la Terre à travers le temps permet aux responsables de la conservation de mieux comprendre la couverture terrestre et la composition du sol pour la recherche et la gestion de l'environnement. Au Canada, le savoir de l'endroit et du moment où les changements se produisent est pertinent à la gestion des terres et aux prises de décisions en matière de conservation. Les satellites, comme le Landsat 8 de l'U.S. Geological Survey (USGS), fournissent des séquences d'images régulièrement mises à jour qui sont utilisées dans diverses approches de surveillance terrestre. Dans le contexte canadien, Landsat 8 fournit généralement une ou deux images claires à chaque saison de croissance pour un endroit donné. La paire de satellites Sentinel 2 de l'Agence spatiale européenne (ESA) est un peu plus performante dans le contexte Canadien en raison de sa résolution plus élevée et de ses périodes de revisite plus fréquentes. Séparément, les deux systèmes ont un potentiel limité pour construire une série chronologique d'observations claires pour la détection des changements. Toutefois, en raison de leur compatibilité technique, la combinaison des données de Landsat-8 et de Sentinel 2 peut enrichir le répertoire total des observations claires de la Terre et permettre d'améliorer les approches de surveillance terrestre. Ceci est particulièrement utile pour créer des images composites annuelles pour représenter une saison de croissance sur une vaste région, qui ne pourrait autrement pas être capturée dans une seule image. En s'appuyant sur ces données composites, les programmes de surveillance construisent des séries chronologiques qui permettent la détection de tendances des changements d'utilisation des terres/couverture terrestre (LULC) (i.e., les perturbations). Il y a cependant des limites à la construction de séries chronologiques de détection de changements de cette manière. Par exemple, si une méthode capture des images à partir du 1er août plus/moins trente jours pour créer une seule image claire pour représenter la végétation de la saison de croissance maximale, les changements survenus après cette période de capture ne sont pas observés. De plus, étant donné que les années terminales de la série chronologique n’ont pas une année d'observations subséquente pour confirmer les tendances et les données, la détection des changements dans les années terminales est moins certaine que pour les années intermédiaires. Pour tenter de résoudre ces problèmes, cette thèse développe une nouvelle méthode de classification baptisée Shrinking Latency in Multiple Streams (SLIMS) pour combiner deux sources d'images satellites libre accès (Landsat 8 et Sentinel 2). SLIMS capture la signature spectrale intra-annuelle des perturbations forestières et crée une séquence de classifications en temps quasi réel des perturbations forestières. Par la suite, cette thèse combine SLIMS avec l'algorithme Bayesian Updating of Land Cover (BULC) pour synthétiser ces classifications brutes et individuellement floues de la couverture terrestre en une série de classifications plus précises. À l'aide d'une plateforme informatique gratuite et accessible en ligne (i.e., Google Earth Engine), ce travail calcule une série chronologique de changements forestiers à une résolution spatiale fine (10 mètres) et des tranches de temps très fines (~5 jours) pour fournir des informations plus détaillées concernant les perturbations forestières aux gestionnaires en conservation. De plus, cette thèse discute des opportunités et des défis de l'amélioration des méthodes de détection de changements à l'échelle annuelle comme l'algorithme Composite to Change (C2C) du Service canadien des forêts, à savoir dans a) le temps de composition et b) les années terminales d'une série chronologique
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».