Australian vegetation phenology: new insights from satellite remote sensing and digital repeat photography
Notice bibliographique
Résumé
Abstract. Phenology is the study of periodic biological occurrences and can provide important insights into the influence of climatic variability and change on ecosystems. Understanding Australia’s vegetation phenology is a challenge due to its diverse range of ecosystems, from savannas and tropical rainforests to temperate eucalypt woodlands, semi-arid scrublands and alpine grasslands. These ecosystems exhibit marked differences in seasonal patterns of canopy development and plant life-cycle events, much of which deviates from the predictable seasonal phenological pulse of temperate deciduous and boreal biomes. Many Australian ecosystems are subject to irregular events (i.e., drought, flooding, cyclones and fire) that can alter ecosystem composition, structure and functioning just as much as seasonal change. We show how satellite remote sensing and ground-based digital repeat photography (i.e. phenocams) can be used to improve understanding of phenology in Australian ecosystems. First, we examine temporal variation in phenology at the continental scale using the Enhanced Vegetation Index (EVI), calculated from MODerate resolution Imaging Spectroradiomter (MODIS) data. Spatial gradients are revealed, ranging from regions with pronounced seasonality in canopy development (i.e., tropical savannas) to regions where seasonal variation is minimal (i.e., tropical rainforests) or high but irregular (i.e., arid ecosystems). Next, we use time series colour information extracted from phenocam imagery to illustrate a range of phenological signals in four contrasting Australian ecosystems. These include greening and senescing events in tropical savannas and temperate eucalypt understory, as well as strong seasonal dynamics of individual trees in a seemingly static evergreen rainforest. We also demonstrate how phenology links with ecosystem gross primary productivity (from eddy covariance) and discuss why these processes are linked in some ecosystems but not others. We conclude that phenocams have the potential to greatly improve current understanding of Australian ecosystems. To facilitate sharing of this information, we have formed the Australian Phenocam Network (http://phenocam.org.au/).
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 | 0,000 | 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 ».