Plant functional type aboveground biomass change within Alaska and northwest Canada mapped using a 35-year satellite time series from 1985 to 2020
Notice bibliographique
Résumé
Abstract Changes in vegetation distribution are underway in Arctic and boreal regions due to climate warming and associated fire disturbance. These changes have wide ranging downstream impacts—affecting wildlife habitat, nutrient cycling, climate feedbacks and fire regimes. It is thus critical to understand where these changes are occurring and what types of vegetation are affected, and to quantify the magnitude of the changes. In this study, we mapped live aboveground biomass for five common plant functional types (PFTs; deciduous shrubs, evergreen shrubs, forbs, graminoids and lichens) within Alaska and northwest Canada, every five years from 1985 to 2020. We employed a multi-scale approach, scaling from field harvest data and unmanned aerial vehicle-based biomass predictions to produce wall-to-wall maps based on climatological, topographic, phenological and Landsat spectral predictors. We found deciduous shrub and graminoid biomass were predicted best among PFTs. Our time-series analyses show increases in deciduous (37%) and evergreen shrub (7%) biomass, and decreases in graminoid (14%) and lichen (13%) biomass over a study area of approximately 500 000 km 2 . Fire was an important driver of recent changes in the study area, with the largest changes in biomass associated with historic fire perimeters. Decreases in lichen and graminoid biomass often corresponded with increasing shrub biomass. These findings illustrate the driving trends in vegetation change within the Arctic/boreal region. Understanding these changes and the impacts they in turn will have on Arctic and boreal ecosystems will be critical to understanding the trajectory of climate change in the region.
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 | 0,001 | 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) | 0,015 | 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 ».