Comparative evaluation of vegetation greenness trends over circumpolar Arctic tundra using multi-sensors satellite datasets
Notice bibliographique
Résumé
The circumpolar arctic tundra, located at Earth’s highest latitudes, is extremely sensitive to climate warming. Studies on arctic greening, based on satellite data and field measurements, show discrepancies due to differences in spatial resolution across datasets (e.g., Landsat 30-m, MODIS 250-m, and AVHRR GIMMS 8 km). Research on scale effects has been limited, mostly focusing on small areas rather than the entire 7.11 million km² arctic tundra. Our study addresses this by mapping scale effects across the entire tundra using Normalized Difference Vegetation Index (NDVI) measurements. Findings reveal: (1) Landsat data provides detailed spatial trends, identifying 18.7% of the area as significantly greening, whereas GIMMS data detects more browning due to spectral mixing; (2) GIMMS underestimates the greening to browning ratio at 2.2:1, compared to Landsat and MODIS ratios of 14.1:1 and 15.1:1, respectively; (3) Over 93% agreement exists between Landsat and MODIS or GIMMS trends, with discrepancies in limited areas. This highlights the importance of high-resolution data and field studies for accurately understanding vegetation trends across the arctic tundra.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».