Une comparaison d'approches par télédétection pour la caractérisation spatiale de la sévérité des feux brûlés en forêt boréale au Québec
Bibliographic record
Abstract
Dans un contexte de changements globaux, les évènements naturels extrêmes, tels que les feux de forêt, s’intensifieront (en fréquence et en sévérité), modifiant ainsi la composition et la structure de la forêt boréale canadienne. Ces changements écologiques majeurs risquent d’avoir des impacts majeurs sur la productivité de la forêt boréale. Le projet présenté fait partie d’un effort national pour évaluer et caractériser la sévérité des feux dans un contexte de modélisation de la régénération de l’épinette noire. Cette étude a pour but premier de comparer des approches mono-dates et multi-dates visant à caractériser la sévérité des feux de forêt à trois échelles spatiales différentes : in situ, par images satellitaires à fine résolution spatiale (PlanetScope), et par images satellitaires à moyenne résolution spatiale (Sentinel-2). Dans cette étude, la sévérité de deux feux survenus en juin 2017 et juillet 2018 dans l’ouest du Québec a été étudiée in situ à partir du Composite Burn Index (CBI). Le CBI quantifie l'impact de la sévérité du feu dans chaque étage de l'écosystème forestier, du sol à la canopée. Une méthodologie utilisant la classification orientée-objet mono-date post-feu a été développée à l’échelle fine pour caractériser la sévérité à partir d'images PlanetScope. Avec les images satellitaires de Sentinel-2, les indices spectraux tels que le differenced Normalized Burn Ratio (dNBR), le Relativized differenced Normalized Burn Ratio (RdNBR) et le Relativized Burn Ratio (RBR) ont été évalués pour la caractérisation de la sévérité à échelle moyenne. Les résultats de l'étude démontrent que, dans le contexte boréal de la pessière à mousse, le CBI est une métrique robuste pour la caractérisation de la sévérité in situ. Les résultats de la classification orientée-objet de la sévérité du feu indiquent que l'utilisation des images satellitaires mono-date provenant de PlanetScope peuvent être une bonne solution mitoyenne entre les produits à très fine résolution spatiale (tel que WorldView, 0.5m) et les produits à résolution spatiale moyenne (Sentinel-2), avec une exactitude globale de 76 % et un indice Kappa de 0.7. La calibration des indices spectraux bi-dates est concluante avec un R2 de 0.86 pour les régressions linaires liant le CBI au RdNBR. Ces résultats confirment l'utilisation de ces approches pour une meilleure gestion de la forêt brûlée dans le domaine bioclimatique de la pessière à mousses.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".