Validating and Linking the GIMMS Leaf Area Index (LAI3g) with Environmental Controls in Tropical Africa
Notice bibliographique
Résumé
The recent Global Inventory Modeling and Mapping Studies (GIMMS) LAI3g product provides a 30-year global times-series of remotely sensed leaf area index (LAI), an essential variable in models of ecosystem process and productivity. In this study, we use a new dataset of field-based LAITrue to indirectly validate the GIMMS LAI3g product, LAIavhrr, in East Africa, comparing the distribution properties of LAIavhrr across biomes and environmental gradients with those properties derived for LAITrue. We show that the increase in LAI with vegetation height in natural biomes is captured by both LAIavhrr and LAITrue, but that LAIavhrr overestimates LAI for all biomes except shrubland and cropland. Non-linear responses of LAI to precipitation and moisture indices, whereby leaf area peaks at intermediate values and declines thereafter, are apparent in both LAITrue and LAIavhrr, although LAITrue reaches its maximum at lower values of the respective environmental driver. Socio-economic variables such as governance (protected areas) and population affect both LAI responses, although cause and effect are not always obvious: a positive relationship with human population pressure was detected, but shown to be an artefact of both LAI and human settlement covarying with precipitation. Despite these complexities, targeted field measurements, stratified according to both environmental and socio-economic gradients, could provide crucial data for improving satellite-derived LAI estimates, especially in the human-modified landscapes of tropical Africa.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».