MétaCan
Menu
Retour à la cohorte
Enregistrement W1982825388 · doi:10.5589/m05-021

Spatiotemporal variations in land surface albedo across Canada from MODIS observations

2005· article· en· W1982825388 sur OpenAlexvenueaboutno aff
Andrew Davidson, Shusen Wang

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2005
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTundraAlbedo (alchemy)Environmental scienceGrasslandModerate-resolution imaging spectroradiometerPhysical geographyLand coverVegetation (pathology)GeographyAtmospheric sciencesClimatologyRemote sensingSatelliteLand useArcticEcologyGeology

Résumé

récupéré en direct d'OpenAlex

A detailed knowledge of spatiotemporal variations in surface albedo is crucial if surface-atmosphere energy exchanges are to be accurately represented in climate models. Satellite observations can provide this information. This study uses moderate resolution imaging spectroradiometer (MODIS) data to investigate how summer and winter albedos, and the intra-annual variation in albedo, vary across the Canadian landscape. We show that (i) albedos generally decrease as one moves from grassland to broadleaved forest to needleleaved and mixed forest; (ii) the effects of snow on albedo vary among cover types; (iii) the largest intra-annual albedo variations occur over grasslands, cropland, and tundra; (iv) significant differences in albedo occur not only among broadleaved forest, needleleaf forest, grassland, and tundra, but also among their various canopy types (e.g., open versus closed canopies); and (v) land cover types sharing similar albedos in winter do not necessarily share similar albedos in summer. These trends are caused by differences in canopy structure and are supported to varying degrees by other in situ and remote sensing studies. These results suggest that the use of overly general land cover classes (e.g., needleleaved forest, grassland, tundra) in climate models will ignore important local-scale spatial variations in surface albedo.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,211
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetCryospheric studies and observationsTravaux en français237 207