Combining satellite lidar, airborne lidar, and ground plots to estimate the amount and distribution of aboveground biomass in the boreal forest of North America
Notice bibliographique
Résumé
We report estimates of the amount, distribution, and uncertainty of aboveground biomass (AGB) of the different ecoregions and forest land cover classes within the North American boreal forest, analyze the factors driving the error estimates, and compare our estimates with other reported values. A three-phase sampling strategy was used (i) to tie ground plot AGB to airborne profiling lidar metrics and (ii) to link the airborne estimates of AGB to ICESat-GLAS lidar measurements such that (iii) GLAS could be used as a regional sampling tool. We estimated the AGB of the North American boreal forest at 21.8 Pg, with relative error of 1.9% based on 256 GLAS orbits (229 086 pulses). The distribution of AGB was 46.6% for western Canada, 43.7% for eastern Canada, and 9.7% for Alaska. With a single exception, relative errors were under 4% for the three regions and for the major cover types and under 10% at the ecoregion level. The uncertainties of the estimates were calculated using a variance estimator that accounted for only sampling error, i.e., the variability among GLAS orbital estimates, and airborne to spaceborne regression error, i.e., the uncertainty of the model coefficients. Work is ongoing to develop robust statistical techniques for integrating other sources of error such as ground to air regression error and allometric error. Small ecoregions with limited east–west extents tended to have fewer GLAS orbits and a greater percent sampling error. AGB densities derived from GLAS agreed closely with the estimates derived from both forest inventories (<17%) and a MODIS-based interpolation technique (<26%) for more southern, well-inventoried ecoregions, whereas differences were much greater for unmanaged northern and (or) mountainous ecoregions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».