Quantification of global gross forest cover loss
Notice bibliographique
Résumé
A globally consistent methodology using satellite imagery was implemented to quantify gross forest cover loss (GFCL) from 2000 to 2005 and to compare GFCL among biomes, continents, and countries. GFCL is defined as the area of forest cover removed because of any disturbance, including both natural and human-induced causes. GFCL was estimated to be 1,011,000 km(2) from 2000 to 2005, representing 3.1% (0.6% per year) of the year 2000 estimated total forest area of 32,688,000 km(2). The boreal biome experienced the largest area of GFCL, followed by the humid tropical, dry tropical, and temperate biomes. GFCL expressed as the proportion of year 2000 forest cover was highest in the boreal biome and lowest in the humid tropics. Among continents, North America had the largest total area and largest proportion of year 2000 GFCL. At national scales, Brazil experienced the largest area of GFCL over the study period, 165,000 km(2), followed by Canada at 160,000 km(2). Of the countries with >1,000,000 km(2) of forest cover, the United States exhibited the greatest proportional GFCL and the Democratic Republic of Congo the least. Our results illustrate a pervasive global GFCL dynamic. However, GFCL represents only one component of net change, and the processes driving GFCL and rates of recovery from GFCL differ regionally. For example, the majority of estimated GFCL for the boreal biome is due to a naturally induced fire dynamic. To fully characterize global forest change dynamics, remote sensing efforts must extend beyond estimating GFCL to identify proximate causes of forest cover loss and to estimate recovery rates from GFCL.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».