Water Body Distributions Across Scales: A Remote Sensing Based Comparison of Three Arctic Tundra Wetlands
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Water bodies are ubiquitous features in Arctic wetlands. Ponds, i.e., waters with a surface area smaller than 104 m2, have been recognized as hotspots of biological activity and greenhouse gas emissions but are not well inventoried. This study aimed to identify common characteristics of three Arctic wetlands including water body size and abundance for different spatial resolutions, and the potential of Landsat-5 TM satellite data to show the subpixel fraction of water cover (SWC) via the surface albedo. Water bodies were mapped using optical and radar satellite data with resolutions of 4mor better, Landsat-5 TM at 30mand the MODIS water mask (MOD44W) at 250m resolution. Study sites showed similar properties regarding water body distributions and scaling issues. Abundance-size distributions showed a curved pattern on a log-log scale with a flattened lower tail and an upper tail that appeared Paretian. Ponds represented 95% of the total water body number. Total number of water bodies decreased with coarser spatial resolutions. However, clusters of small water bodies were merged into single larger water bodies leading to local overestimation of water surface area. To assess the uncertainty of coarse-scale products, both surface water fraction and the water body size distribution should therefore be considered. Using Landsat surface albedo to estimate SWC across different terrain types including polygonal terrain and drained thermokarst basins proved to be a robust approach. However, the albedo–SWC relationship is site specific and needs to be tested in other Arctic regions. These findings present a baseline to better represent small water bodies of Arctic wet tundra environments in regional as well as global ecosystem and climate models.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle