MétaCan
Menu
Retour à la cohorte
Enregistrement W2969545547 · doi:10.1111/gcb.14804

Extensive land cover change across Arctic–Boreal Northwestern North America from disturbance and climate forcing

2019· article· en· W2969545547 sur OpenAlexaffabout
Jonathan Wang, Damien Sulla‐Menashe, Curtis E. Woodcock, Oliver Sonnentag, Ralph F. Keeling, M. A. Friedl

Notice bibliographique

RevueGlobal Change Biology · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNational Aeronautics and Space AdministrationNational Science Foundation
Mots-clésDisturbance (geology)BorealClimate changeArcticLand coverEnvironmental scienceForcing (mathematics)TaigaClimatologyPhysical geographyGeographyLand useEcologyOceanographyGeologyForestryBiology

Résumé

récupéré en direct d'OpenAlex

Abstract A multitude of disturbance agents, such as wildfires, land use, and climate‐driven expansion of woody shrubs, is transforming the distribution of plant functional types across Arctic–Boreal ecosystems, which has significant implications for interactions and feedbacks between terrestrial ecosystems and climate in the northern high‐latitude. However, because the spatial resolution of existing land cover datasets is too coarse, large‐scale land cover changes in the Arctic–Boreal region (ABR) have been poorly characterized. Here, we use 31 years (1984–2014) of moderate spatial resolution (30 m) satellite imagery over a region spanning 4.7 × 10 6 km 2 in Alaska and northwestern Canada to characterize regional‐scale ABR land cover changes. We find that 13.6 ± 1.3% of the domain has changed, primarily via two major modes of transformation: (a) simultaneous disturbance‐driven decreases in Evergreen Forest area (−14.7 ± 3.0% relative to 1984) and increases in Deciduous Forest area (+14.8 ± 5.2%) in the Boreal biome; and (b) climate‐driven expansion of Herbaceous and Shrub vegetation (+7.4 ± 2.0%) in the Arctic biome. By using time series of 30 m imagery, we characterize dynamics in forest and shrub cover occurring at relatively short spatial scales (hundreds of meters) due to fires, harvest, and climate‐induced growth that are not observable in coarse spatial resolution (e.g., 500 m or greater pixel size) imagery. Wildfires caused most of Evergreen Forest Loss and Evergreen Forest Gain and substantial areas of Deciduous Forest Gain. Extensive shifts in the distribution of plant functional types at multiple spatial scales are consistent with observations of increased atmospheric CO 2 seasonality and ecosystem productivity at northern high‐latitudes and signal continental‐scale shifts in the structure and function of northern high‐latitude ecosystems in response to climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,267
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations205
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetClimate change and permafrostTravaux en français237 207