Landsat-based analysis of insect outbreaks in southern Siberia
Notice bibliographique
Résumé
Landsat data were used to examine the effect of large-scale insect outbreaks in the forests of southern Siberia. Two insect outbreaks were studied: Ket‐Chulym, ~1.5 million hectares of forest damaged between 1954 and 1957; and Priangar'e, ~0.5‐0.7 million hectares of forest damaged between 1994 and 1996. Landsat scenes from 1980 to 2000 were analyzed. The optimal Landsat channels combination for detecting damage classes were bands 2 (0.525‐0.605 μm), 4 (0.750‐0.900 μm), 5 (1.55‐1.75 μm), and 6 (10.40‐12.50 μm). The damage to the forests caused an increase in radiometric temperature (20.20 ± 0.04°C for damaged forests versus 19.47 ± 0.02°C for healthy forests). The following pattern of forest succession was observed in the outbreak areas: dead stands with dense grass and shrub communities, burn scars, grass and shrub formations, open woodlands, closed young and middle-age birch stands, mature birch stands, and mixed conifer‐deciduous stands. Forest regeneration goes through long-term species-change successions, and the rate depends on the size of the outbreak area. On-ground mapping after the outbreak and later Landsat analysis showed that even 45 years after the Ket‐Chulym outbreak the area of forests did not increase. In the Priangar'e area approximately 45% of damaged forests have recovered.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».