Land surface phenology from optical satellite measurement and CO<sub>2</sub> eddy covariance technique
Notice bibliographique
Résumé
Land surface phenology (LSP) is an integrative indicator of vegetation dynamics under a changing environment. Increasing amounts of remote sensing measurements and CO 2 flux observations offer unprecedented opportunities to quantify LSP phases at landscape scale. LSP start of season (SOS) and end of season (EOS) estimates are often based on the use of a single‐purpose vegetation index derived from optical satellite data, characterized by poor performances in decoupling soil and snow cover dynamics from LSP cycles, as well as contrasting responses of the needleleaf and broadleaf forests in boreal ecosystems. We propose a new remote‐sensing‐based phenology index (PI) which combines the merits of normalized difference vegetation index (NDVI) and normalized difference infrared index (NDII) by taking the difference of squared greenness and wetness to remove the soil and snow cover dynamics from key vegetation LSP cycles. We have cross‐validated the remote‐sensing‐based LSP dates with those of CO 2 flux observations from 11 selected tower sites across Canada and the United States consisting of needleleaf forests, broadleaf forests, and croplands. The results indicate that PI estimates the SOS and EOS dates better than NDVI when compared to the LSP dates from CO 2 flux measurements (reduced RMSE, bias and dispersions, and higher correlation). PI‐based SOS and EOS estimates are in good agreement with those derived from CO 2 flux measurements with mean bias comparable to the temporal resolution of the high‐quality, 8‐day composite satellite measurements. Finally, PI also shows a smoother time series compared to NDVI and NDII.
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 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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».