Toward a forest biomass reference measurement system for remote sensing applications
Notice bibliographique
Résumé
Forests contribute to climate change mitigation through carbon storage and uptake, but the extent to which this carbon pool varies in space and time is still poorly known. Several Earth Observation missions have been specifically designed to address this issue, for example, NASA's GEDI, NASA-ISRO's NISAR and ESA's BIOMASS. Yet, all these missions' products require independent and consistent validation. A permanent, global, in situ, site-based forest biomass reference measurement system relying on ground data of the highest possible quality is therefore needed. Here, we have assembled a list of almost 200 high-quality sites through an in-depth review of the literature and expert knowledge. In this study, we explore how representative these sites are in terms of their coverage of environmental conditions, geographical space and biomass-related forest structure, compared to those experienced by forests worldwide. This work also aims at identifying which sites are the most representative, and where to invest to improve the representativeness of the proposed system. We show that the environmental coverage of the system does not seem to improve after at least the 175 most representative sites are included, but geographical and structural coverages continue to improve as more sites are added. We highlight the areas of poor environmental, geographical, or structural coverage, including, but not limited to, Canada, the western half of the USA, Mexico, Patagonia, Angola, Zambia, eastern Russia, and tropical and subtropical highlands (e.g. in Colombia, the Himalayas, Borneo, Papua). For the proposed system to succeed, we stress that (1) data must be collected and processed applying the same standards across all countries and continents; (2) system establishment and management must be inclusive and equitable, with careful consideration of working conditions; and (3) training and site partner involvement in downstream activities should be mandatory.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 ».