Forest Structure Classification in the North Columbia Mountains Using the Landsat TM Tasseled Cap Wetness Component
Bibliographic record
Abstract
L'objectif de cette étude est de déterminer le potentiel des images de télédétection satellitaire comme mesure prévisionnelle de la complexité de la structure de la forêt et de l'âge des peuplements. Des relations empiriques entre les paramètres structurels de la forêt et les données Landsat Thematic Mapper ont été analysées pour un échantillon de cèdres et pruches, et des peuplements d'épinettes d'Engelmann et de sapins de l'Ouest, près de Revelstoke, en Colombie britannique. Les méthodes utilisées pour mesurer la structure des peuplements forestiers sont présentées suivi d'une discussion sur l'analyse de corrélation entre les variables de terrain et la création d'un indice de complexité structurelle (SCI - structural complexity index) dérivé d'une analyse en composantes principales de plusieurs variables individuelles liées au peuplement. Les valeurs d'humidité TM dérivées de la transformation «tasseled cap» ont été corrélées fortement avec l'âge du peuplement et avec la complexité structurelle dans le cas des peuplements matures et âgés. On démontre que la distribution spatiale des valeurs d'humidité TM est reliée à la composition de la végétation et à la structure des communautés de climax à l'intérieur de deux sous-zones biogéoclimatiques majeures qui occupent la région. Les relations empiriques entre les valeurs d'humidité TM et le stade de succession récent ou avancé de la structure des peuplements se sont avérées variables. La composition hétérogène des espèces dans ces communautés peut expliquer les relations statistiques plus faibles. Les résultats démontrent l'utilité de l'application de la composante humidité de TM pour la classification de la structure forestière pour les peuplements forestiers matures et âgés et pour la cartographie des habitats à l'intérieur de cette zone d'étude.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".