Volcanic Diffuse Volatile Emissions Tracked by Plant Responses Detectable From Space
Notice bibliographique
Résumé
Abstract Volcanic volatile emissions provide information about volcanic unrest but are difficult to detect with satellites. Volcanic degassing affects plants by elevating local CO 2 and H 2 O concentrations, which may increase photosynthesis. Satellites can detect plant health, or a reaction to photosynthesis, through a Normalized Difference Vegetation Index (NDVI). This can act as a potential proxy for detecting changes in volcanic volatile emissions from space. We tested this method by analyzing 185 Landsat 5 and 8 images of the Tern Lake thermal area (TLTA) in northeast Yellowstone caldera from 1984 to 2022. We compared the NDVI values of the thermal area with those of similar nearby forests that were unaffected by hydrothermal activity to determine how hydrothermal activity impacted the vegetation. From 1984 to 2000, plant health in the TLTA steadily increased relative to the background forests, suggesting that vegetation in the TLTA was fertilized by volcanic CO 2 and/or magmatic water. Hydrothermal activity began to stress plants in 2002, and by 2006, large swathes of trees were dying in the hydrothermal area. Throughout most of the 1990s, the least healthy plants were located in the area which became the epicenter of hydrothermal activity in 2000. These findings suggest that plant‐focused measurements are sensitive to minor levels of volcanic unrest which may not be detected by other remote sensing methods, such as infrared temperature measurements. This method could be a safe and effective new tool for detecting changes in volatile emissions in volcanic environments which are dangerous or difficult to access.
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 | 0,001 | 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 ».