Moss and lichen cover mapping at local and regional scales in the boreal forest ecosystem of central Canada
Notice bibliographique
Résumé
Mosses and lichens are important components of boreal landscapes [Vitt et al., 1994; Bubier et al., 1997]. They affect plant productivity and belowground carbon sequestration and alter the surface runoff and energy balance. We report the use of multiresolution satellite data to map moss and lichens over the BOREAS region at a 10 m, 30 m, and 1 km scales. Our moss and lichen classification at the 10 m scale is based on ground observations of associations among soil drainage classes, overstory composition, and cover type among four broad classes of ground cover (feather, sphagnum, and brown mosses and lichens). For our 30 m map, we used field observations of ground cover‐overstory associations to map mosses and lichens in the BOREAS southern study area (SSA). To scale up to a 1 km (AVHRR) moss map of the BOREAS region, we used the TM SSA mosaics plus regional field data to identify AVHRR overstory‐ground cover associations. We found that: 1) ground cover, overstory composition and density are highly correlated, permitting inference of moss and lichen cover from satellite‐based land cover classifications; 2) our 1 km moss map reveals that mosses dominate the boreal landscape of central Canada, thereby a significant factor for water, energy, and carbon modeling; 3) TM and AVHRR moss cover maps are comparable; 4) satellite data resolution is important, particularly in detecting the smaller wetland features, lakes, and upland jack pine sites; and 5) distinct regional patterns of moss and lichen cover correspond to latitudinal and elevational gradients.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».