Site-specific satellite data record from LEAF-Toolbox to support afforestation assessment in Ontario
Bibliographic record
Abstract
Le boisement est le processus qui consiste à établir des forêts sur des terres anciennement non boisées. Le suivi des terres boisées est essentiel pour comprendre les processus liés au développement durable, atténuer l'impact des émissions de gaz à effet de serre sur le climat, caractériser les services écosystémiques et planifier les actions politiques. Il est difficile de surveiller ce processus en raison des coûts associés, de la disponibilité limitée des études in situ et de l'absence fréquente d'études systématiques in situ au cours de la période d'établissement. Les indices spectraux de végétation, tels que l'indice de végétation par différence normalisée (NDVI), l'indice de végétation amélioré (EVI) et l'indice de différence normalisée de l'eau (NDWI), etc., sont largement utilisés comme indicateurs de la repousse de la canopée pendant le boisement, car ces indices sont localement proportionnels aux variables biophysiques de la canopée, telles que le couvert végétal (fCOVER), l'indice de surface foliaire (LAI), la fraction du rayonnement photosynthétiquement actif absorbé (fAPAR), etc. Mais elles présentent des limites, comme l'impact des différences entre les capteurs, le bruit dû aux effets atmosphériques non corrigés, la relation non linéaire avec les propriétés physiques de la canopée, etc. Les variables biophysiques telles que fAPAR, fCOVER et LAI deviennent des alternatives pour surveiller l'état du boisement car elles sont indépendantes des capteurs, traçables aux mesures de référence in-situ, etc. Une mise à jour du prototype de processeur simplifié de niveau 2 (SL2P), SL2P-CCRS, est utilisée dans cette étude avec des données Landsat 8/9 et Sentinel 2. L'objectif de cette étude était d'extraire les données de réflectance de surface Landsat 8/9 et Sentinel 2, dérivées des estimations fCOVER, fAPAR et LAI à l'aide de SL2P-CCRS sur 4 905 sites de boisement dans le sud de l'Ontario, au Canada, et de comparer les variables dérivées avec le NDVI, largement utilisé.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 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) | 0.007 | 0.001 |
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".