Estimating Peatland Water Table Depth and Net Ecosystem Exchange: A Comparison between Satellite and Airborne Imagery
Notice bibliographique
Résumé
Peatlands play a fundamental role in climate regulation through their long-term accumulation of atmospheric carbon. Despite their resilience, peatlands are vulnerable to climate change. Remote sensing offers the opportunity to better understand these ecosystems at large spatial scales through time. In this study, we estimated water table depth from a 6-year time sequence of airborne shortwave infrared (SWIR) hyperspectral imagery. We found that the narrowband index NDWI1240 is a strong predictor of water table position. However, we illustrate the importance of considering peatland anisotropy on SWIR imagery from the summer months when the vascular plants are in full foliage, as not all illumination conditions are suitable for retrieving water table position. We also model net ecosystem exchange (NEE) from 10 years of Landsat TM5 imagery and from 4 years of Landsat OLI 8 imagery. Our results show the transferability of the model between imagery from sensors with similar spectral and radiometric properties such as Landsat 8 and Sentinel-2. NEE modeled from airborne hyperspectral imagery more closely correlated to eddy covariance tower measurements than did models based on satellite images. With fine spectral, spatial and radiometric resolutions, new generation satellite imagery and airborne hyperspectral imagery allow for monitoring the response of peatlands to both allogenic and autogenic factors.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».