Assessment of spongy moth infestation impacts on forest productivity and carbon loss using the Sentinel-2 satellite remote sensing and eddy covariance flux data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Deciduous forests in eastern North America experienced a widespread and intense spongy moth ( Lymantria dispar ) infestation in 2021. This study quantified the impact of this spongy moth infestation on carbon (C) cycle in forests across the Great Lakes region in Canada, utilizing high-resolution (10 × 10 m 2 ) Sentinel-2 satellite remote sensing images and eddy covariance (EC) flux data. Study results showed a significant reduction in leaf area index (LAI) and gross primary productivity (GPP) values in deciduous and mixed forests in the region in 2021. Results Remote sensing derived, growing season mean LAI values of deciduous (mixed) forests were 3.66 (3.18), 2.74 (2.64), and 3.53 (2.94) m 2 m −2 in 2020, 2021 and 2022, respectively, indicating about 24 (14)% reduction in LAI, as compared to pre- and post-infestation years. Similarly, growing season GPP values in deciduous (mixed) forests were 1338 (1208), 868 (932), and 1367 (1175) g C m −2 , respectively in 2020, 2021 and 2022, showing about 35 (22)% reduction in GPP in 2021 as compared to pre- and post-infestation years. This infestation induced reduction in GPP of deciduous and mixed forests, when upscaled to whole study area (178,000 km 2 ), resulted in 21.1 (21.4) Mt of C loss as compared to 2020 (2022), respectively. It shows the large scale of C losses caused by this infestation in Canadian Great Lakes region. Conclusions The methods developed in this study offer valuable tools to assess and quantify natural disturbance impacts on the regional C balance of forest ecosystems by integrating field observations, high-resolution remote sensing data and models. Study results will also help in developing sustainable forest management practices to achieve net-zero C emission goals through nature-based climate change solutions.
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.
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 | 0,000 |
| 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 | 0,000 |
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 découle