Mapping California's Urban Forest at Scale: An Error-Adjusted Canopy Time Series for Monitoring Change
Questo studio presenta un framework di deep learning scalabile e corretto per gli errori per il monitoraggio della copertura arborea urbana della California, rivelando un declino a livello statale statisticamente indistinguibile da zero dal 2016 al 2022 e sottolineando che oltre la metà della copertura arborea urbana si trova su terreni residenziali privati, il che sottolinea la necessità di una rigorosa stima dell'incertezza per un monitoraggio accurato delle politiche.