Mapping California's Urban Forest at Scale: An Error-Adjusted Canopy Time Series for Monitoring Change
Deze studie presenteert een schaalbaar, foutgecorrigeerd deep learning-kader voor het monitoren van het stedelijke boomkruinbedekking in Californië, waarbij een statistisch niet van nul te onderscheiden statewide daling van 2016 tot 2022 wordt blootgelegd en wordt benadrukt dat meer dan de helft van de stedelijke kruinbedekking op privaat woongrond ligt, wat de noodzaak onderstreept van rigoureuze onzekerheidsschatting voor nauwkeurig beleidsmonitoring.