Tracking forest phenology and seasonal physiology using digital repeat photography: a critical assessment
Notice bibliographique
Résumé
Digital repeat photography is becoming widely used for near-surface remote sensing of vegetation. Canopy greenness, which has been used extensively for phenological applications, can be readily quantified from camera images. Important questions remain, however, as to whether the observed changes in canopy greenness are directly related to changes in leaf-level traits, changes in canopy structure, or some combination thereof. We investigated relationships between canopy greenness and various metrics of canopy structure and function, using five years (2008–2012) of automated digital imagery, ground observations of phenological transitions, leaf area index (LAI) measurements, and eddy covariance estimates of gross ecosystem photosynthesis from the Harvard Forest, a temperate deciduous forest in the northeastern United States. Additionally, we sampled canopy sunlit leaves on a weekly basis throughout the growing season of 2011. We measured physiological and morphological traits including leaf size, mass (wet/dry), nitrogen content, chlorophyll fluorescence, and spectral reflectance and characterized individual leaf color with flatbed scanner imagery. Our results show that observed spring and autumn phenological transition dates are well captured by information extracted from digital repeat photography. However, spring development of both LAI and the measured physiological and morphological traits are shown to lag behind spring increases in canopy greenness, which rises very quickly to its maximum value before leaves are even half their final size. Based on the hypothesis that changes in canopy greenness represent the aggregate effect of changes in both leaf-level properties (specifically, leaf color) and changes in canopy structure (specifically, LAI), we developed a two end-member mixing model. With just a single free parameter, the model was able to reproduce the observed seasonal trajectory of canopy greenness. This analysis shows that canopy greenness is relatively insensitive to changes in LAI at high LAI levels, which we further demonstrate by assessing the impact of an ice storm on both LAI and canopy greenness. Our study provides new insights into the mechanisms driving seasonal changes in canopy greenness retrieved from digital camera imagery. The nonlinear relationship between canopy greenness and canopy LAI has important implications both for phenological research applications and for assessing responses of vegetation to disturbances.
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 | 0,010 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».