Characterizing the tundra taiga interface using Radarsat-2 (Mealy Mountains, Labrador)
Notice bibliographique
Résumé
The transition zone between the boreal forest and Arctic tundra, also known as the tundra taiga interface (TTl), is a unique and sensitive ecosystem. A convenient way to monitor and understand TTl changes is through the interpretation and analysis of earth observation satellite images, or remote sensing. Ecosystem monitoring provides useful information about vegetation distribution and global climate. Currently, vegetation is monitored at both global and regional scales through the use of multispectral, light detection and ranging and synthetic aperture radar imagery. Each remote sensing technology offers unique spatial, spectral and radiometric resolution sets. This thesis investigates the use of synthetic aperture radar images from the Canadian Space Agency's RADARSAT-2 satellite to derive an image product discriminating different types of vegetation cover within the TTl region of Labrador. A selection of texture measures was applied to a dataset consisting of six RADARSAT-1 and fourteen RADARSAT-2 images. Statistical parameters were utilized to measure how strongly the radar derived vegetation product correlated with the well established normalized difference vegetation index (NDVI). The analysis was guided and validated by field data describing forest and non-forest land cover types. The results indicate that a mean texture measure with a window size relating to a ground area of 330x330 m (fine mode} and 450x450 m (standard mode) applied to an R-2 HV-polarized image is able to inform on the location of the TTl and also complements the vegetation cover found in NDVl images.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».