Assessing the peatland hummock–hollow classification framework using high-resolution elevation models: implications for appropriate complexity ecosystem modeling
Notice bibliographique
Résumé
The hummock–hollow classification framework used to categorize peatland ecosystem microtopography is pervasive throughout peatland experimental designs and current peatland ecosystem modeling approaches. However, identifying what constitutes a representative hummock–hollow pair within a site and characterizing hummock–hollow variability within or between peatlands remains largely unassessed. Using structure from motion (SfM), high-resolution digital elevation models (DEMs) of hummock–hollow microtopography were used to (1) examine how much area needs to be sampled to characterize site-level microtopographic variation; and (2) examine the potential role of microtopographic shape/structure on biogeochemical fluxes using plot-level data from nine northern peatlands. To capture 95 % of site-level microtopographic variability, on average, an aggregate sampling area of 32 m 2 composed of 10 randomly located plots was required. Both site- (i.e. transect data) and plot-level (i.e. SfM-derived DEM) results show that microtopographic variability can be described as a fractal at the submeter scale, where contributions to total variance are very small below a 0.5 m length scale. Microtopography at the plot level was often found to be non-bimodal, as assessed using a Gaussian mixture model (GMM). Our findings suggest that the non-bimodal distribution of microtopography at the plot level may result in an undersampling of intermediate topographic positions. Extended to the modeling domain, an underrepresentation of intermediate microtopographic positions is shown to lead to potentially large flux biases over a wide range of water table positions for ecosystem processes which are non-linearly related to water and energy availability at the moss surface. Moreover, our simple modeling results suggest that much of the bias can be eliminated by representing microtopography with several classes rather than the traditional two (i.e. hummock/hollow). A range of tools examined herein can be used to easily parameterize peatland models, from GMMs used as simple transfer functions to spatially explicit fractal landscapes based on simple power-law relations between microtopographic variability and scale.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».