Using Long-Term SAR Backscatter Data to Monitor Post-Fire Vegetation Recovery in Tundra Environment
Notice bibliographique
Résumé
Wildfires could have a strong impact on tundra environment by combusting surface vegetation and soil organic matter. For surface vegetation, many years are required to recover to pre-fire level. In this paper, by using C-band (VV/HV polarization) and L-band (HH polarization) synthetic aperture radar (SAR) images acquired before and after fire from 2002 to 2016, we investigated vegetation change affected by the Anaktuvuk River Fire in Arctic tundra environment. Compared to the unburned areas, C- and L-band SAR backscatter coefficients increased by up to 5.5 and 4.4 dB in the severely burned areas after the fire. Then past 5 years following the fire, the C-band SAR backscatter differences decreased to pre-fire level between the burned and unburned areas, suggesting that vegetation coverage in burned sites had recovered to the unburned level. This duration is longer than the 3-year recovery suggested by optical-based Normalized Difference Vegetation Index (NDVI) observations. While for the L-band SAR backscatter after 10-year recovery, about 2 dB higher was still found in the severely burned area, compared to the unburned area. The increased roughness of the surface is probably the reason for such sustained differences. Our analysis implies that long records of space-borne SAR backscatter can monitor post-fire vegetation recovery in Arctic tundra environment and complement optical observations.
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) | 0,001 | 0,002 |
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 ».