Recovery Rates of Wetland Vegetation Greenness in Severely Burned Ecosystems of Alaska Derived from Satellite Image Analysis
Notice bibliographique
Résumé
The analysis of wildfire impacts at the scale of less than a square kilometer can reveal important patterns of vegetation recovery and regrowth in freshwater Arctic and boreal regions. For this study, NASA Landsat burned area products since the year 2000, and a near 20-year record of vegetation green cover from the MODIS (Moderate Resolution Imaging Spectroradiometer) satellite sensor were combined to reconstruct the recovery rates and seasonal profiles of burned wetland ecosystems in Alaska. Region-wide breakpoint analysis results showed that significant structural change could be detected in the 250-m normalized difference vegetation index (NDVI) time series for the vast majority of wetland locations in the major Yukon river drainages of interior Alaska that had burned at high severity since the year 2001. Additional comparisons showed that wetland cover locations across Alaska that have burned at high severity subsequently recovered their green cover seasonal profiles to relatively stable pre-fire levels in less than 10 years. Negative changes in the MODIS NDVI, namely lower greenness in 2017 than pre-fire and incomplete greenness recovery, were more commonly detected in burned wetland areas after 2013. In the years prior to 2013, the NDVI change tended to be positive (higher greenness in 2017 than pre-fire) at burned wetland elevations lower than 400 m, whereas burned wetland locations at higher elevation showed relatively few positive greenness recovery changes by 2017.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».