A 15-year spatio-temporal analysis of plant β-diversity using Landsat time series derived Rao’s Q index
Notice bibliographique
Résumé
Understanding temporal dynamics of plant biodiversity is crucial for conservation strategies at regional and local levels. The mostly applied hitherto methods are based on field observations of the plant communities and the related taxa. Satellite earth observation time series offer continuous and wider coverage for the assessment of plant diversity, especially in remote areas. Theoretical basis and large-scale solutions for assessing beta-diversity have been recently presented. Yet landscape-scale and context-based analysis are missing. We assessed temporal β-diversity using Raós Q diversity derived from Landsat-based vegetation indices by considering the effect of ERA-5 monthly aggregates environmental factors (temperature and precipitation) extracted using Google Earth Engine (GEE), land use classes, and two common vegetation indices. We derived 15-year Rao’s Q diversity using Landsat-7 based normalized difference vegetation index (NDVI) and modified soil-adjusted vegetation index (MSAVI). We evaluated the temporal turnover in Rao’s Q on multiple land use classes, including agriculture, intact forest and areas affected by and invasive species. Vegetation index and Rao’s Q diverged between pre- and post- monsoon seasons. Rao’s Q had higher temporal turnover with NDVI than MSAVI for all vegetation classes, however the latter showed higher sensitivity towards temperature and precipitation. Moreover, agriculture generally showed higher variability than forest and invasive species. The temporal turnover was correlated between NDVI and MSAVI for all vegetation classes, which indicated that the variability among vegetation types was directly related to spectral heterogeneity. Furthermore, MSAVI was less sensitive to the effect of soil in assessing the vegetation indices, which resulted in higher global sensitivity of QMSAVI. Near infrared and red spectra used in vegetation indices are able to capture a small variation in leaf traits reflectance for vegetation types. Here, the β-diversities and their temporal dynamics derived from the vegetation indices differed based on their sensitivity to soil, vegetation density and seasonality. This approach and its open source implementation can be tested for different forest ecosystems at varying spatial scales.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».