Patterns of regional site index across a North American boreal forest gradient
Notice bibliographique
Résumé
Abstract Forest structure—the height, cover, vertical complexity, and spatial patterns of trees—is a key indicator of productivity variation across forested extents. During the 2017 and 2019 growing seasons, NASA’s Arctic-Boreal Vulnerability Experiment collected full-waveform airborne LiDAR using the land, vegetation and imaging sensor, sampling boreal and tundra landscapes across a variety of ecological regions from central Canada westward through Alaska. Here, we compile and archive a geo-referenced gridded suite of these data that include vertical structure estimates and novel horizontal cover estimates of vegetation canopy cover derived from vegetation’s vertical LiDAR profile. We validate these gridded estimates with small footprint airborne LiDAR, and link >36 million of them with stand age estimates from a Landsat time-series of tree-canopy cover that we confirm with plot-level disturbance year data. We quantify the regional magnitude and variability in site index, the age-dependent rates of forest growth, across 15 boreal ecoregions in North America. With this open archive suite of forest structure data linked to stand age, we bound current forest productivity estimates across a boreal structure gradient whose response to key bioclimatic drivers may change with stand age. These results, derived from a reduction of a large archive of airborne LiDAR and a Landsat time series, quantify forest productivity bounds for input into forest and ecosystem growth models, to update forecasts of changes in North America’s boreal forests by improving the regional parametrization of forest growth rates.
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 | 0,001 |
| 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 | 0,001 |
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 ».