ABoVE: Annual Aboveground Biomass for Boreal Forests of ABoVE Core Domain, 1984-2014
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This dataset provides estimated annual aboveground biomass (AGB) density for live woody (tree and shrub) species and corresponding standard errors at a 30 m spatial resolution for the boreal forest biome portion of the Core Study Domain of NASA's Arctic-Boreal Vulnerability Experiment (ABoVE) Project (Alaska and Canada) over the time period 1984-2014. The data were derived from a time series of Landsat-5 and Landsat-7 surface reflectance imagery and full-waveform lidar returns from the Geoscience Laser Altimeter System (GLAS) flown onboard IceSAT from 2004 to 2008. The Change Detection and Classification (CCDC) model-fitting algorithm was used to estimate the seasonal variability in surface reflectance, and AGB density data were produced by applying allometric equations to the GLAS lidar data. A Gradient Boosted Machines machine learning algorithm was used to predict annual AGB density across the study domain given the seasonal variability in surface reflectance and other predictors. The data received statistical smoothing to reduce noise and uncertainty was estimated at the pixel level. These data contribute to the characterization of how biomass stocks are responding to climate and disturbance in boreal forests.
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.
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 | 0,001 |
| 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) | 0,000 | 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 découle