Choice of satellite imagery and attribution of changes to disturbance type strongly affects forest carbon balance estimates
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Remote sensing products can provide regular and consistent observations of the Earth´s surface to monitor and understand the condition and change of forest ecosystems and to inform estimates of terrestrial carbon dynamics. Yet, challenges remain to select the appropriate satellite data source for ecosystem carbon monitoring. In this study we examine the impacts of three attributes of four remote sensing products derived from Landsat, Landsat-SPOT, and MODIS satellite imagery on estimates of greenhouse gas emissions and removals: (1) the spatial resolution (30 vs. 250 m), (2) the temporal resolution (annual vs. multi-year observations), and (3) the attribution of forest cover changes to disturbance types using supplementary data. With a spatially-explicit version of the Carbon Budget Model of the Canadian Forest Sector (CBM-CFS3), we produced annual estimates of carbon fluxes from 2002 to 2010 over a 3.2 million ha forested region in the Yucatan Peninsula, Mexico. The cumulative carbon balance for the 9-year period differed by 30.7 million MgC (112.5 million Mg CO 2e ) among the four remote sensing products used. The cumulative difference between scenarios with and without attribution of disturbance types was over 5 million Mg C for a single Landsat scene. Uncertainty arising from activity data (rates of land-cover changes) can be reduced by, in order of priority, increasing spatial resolution from 250 to 30 m, obtaining annual observations of forest disturbances, and by attributing land-cover changes by disturbance type. Even missing a single year in the land-cover observations can lead to substantial errors in ecosystems with rapid forest regrowth, such as the Yucatan Peninsula.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle