High resolution mapping of soil organic carbon and nitrogen in two small adjacent Arctic watersheds on Herschel Island - Yukon Territory
Notice bibliographique
Résumé
Permafrost soils are especially vulnerable to global climate change and warming temperatures can turn them from carbon sinks into carbon sources. Estimates of Arctic carbon stocks are still highly uncertain, despite their importance to predict the magnitude of CO2 and CH4 release to the atmosphere. Because most of the Arctic is difficult to access, remote sensing techniques are particularly important to monitor the changing landscape. Recent studies have attempted to use spectral images, like Landsat, to estimate soil organic carbon (SOC) and nitrogen (TN). Most studies worked on a regional to global scale and use relatively coarse landscape classes. However, good, high resolution estimates of SOC and TN are crucial to estimates for permafrost related uncertainties in storage and spatial heterogeneity needed for Earth System Models. Furthermore, they are an invaluable step from data collection toward a process oriented understanding of the landscape. This project is one of the first to use high resolution images (1.65m GeoEye (4 spectral bands: blue-infrared), 2m DEM) to predict SOC and TN within different Tundra vegetation classes in a small twin watershed (4 km²) on Herschel Island, Yukon, Canada. Vegetation classes were based on indicator species and geomorphic disturbance levels. Remote sensing detection accuracy varied strongly between classes. Field based moisture measurements were most strongly correlated with the carbon to nitrogen (CN) ratio (r²=0.80, p<0.05). However, slope and the normalized difference vegetation index (NDVI) which were extracted from remote sensing images have a statistically significant relationship to CN (r²=-0.56, p<0.05, r²=0.48, p<0.05). This suggests that fine scale estimates of carbon and nitrogen stocks are possible using few spectral bands from high resolution images. Given the high correlation of soil moisture with CN ratios we encourage further research to improve validation of satellite radar moisture information with field data.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 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 ».