Mapping California's Urban Forest at Scale: An Error-Adjusted Canopy Time Series for Monitoring Change
본 연구는 캘리포니아의 도시 수관 모니터링을 위한 확장 가능하고 오차 보정이 된 딥러닝 프레임워크를 제시하여 2016 년부터 2022 년까지 주 전역에서 통계적으로 0 과 구별할 수 없는 감소가 있었음을 밝히고, 도시 수관의 절반 이상이 사유 주거지에 위치해 있음을 강조함으로써 정확한 정책 추적을 위한 엄격한 불확실성 추정의 필요성을 부각시켰다.