Comparison and Assessment of Regional and Global Land Cover Datasets for Use in CLASS over Canada
Notice bibliographique
Résumé
Global land cover information is required to initialize land surface and Earth system models. In recent years, new land cover (LC) datasets at finer spatial resolutions have become available while those currently implemented in most models are outdated. This study assesses the applicability of the Climate Change Initiative (CCI) LC product for use in the Canadian Land Surface Scheme (CLASS) through comparison with finer resolution datasets over Canada, assisted with reference sample data and a vegetation continuous field tree cover fraction dataset. The results show that in comparison with the finer resolution maps over Canada, the 300 m CCI product provides much improved LC distribution over that from the 1 km GLC2000 dataset currently used to provide initial surface conditions in CLASS. However, the CCI dataset appears to overestimate needleleaf forest cover especially in the taiga-tundra transition zone of northwestern Canada. This may have partly resulted from limited availability of clear sky MEdium Resolution Imaging Spectrometer (MERIS) images used to generate the CCI classification maps due to the long snow cover season in Canada. In addition, changes based on the CCI time series are not always consistent with those from the MODIS or a Landsat-based forest cover change dataset, especially prior to 2003 when only coarse spatial resolution satellite data were available for change detection in the CCI product. It will be helpful for application in global simulations to determine whether these results also apply to other regions with similar landscapes, such as Eurasia. Nevertheless, the detailed LC classes and finer spatial resolution in the CCI dataset provide an improved reference map for use in land surface models in Canada. The results also suggest that uncertainties in the current cross-walking tables are a major source of the often large differences in the plant functional types (PFT) maps, and should be an area of focus in future work.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».