Random Forest Development and Modeling of Gross Primary Productivity in the Hudson Bay Lowlands
Notice bibliographique
Résumé
Peatlands are a critical component of the global carbon cycle. Within Canada, the Hudson Bay Lowlands (HBL) has accumulated an estimated 33 Gt of carbon as peat because of a small but persistent difference between gross primary productivity (GPP) and ecosystem respiration over millennia. However, the impacts of disturbance and climate change on GPP are difficult to monitor across the HBL due to its vast size and remote location. This study evaluates the potential for random forest regression models to estimate GPP at five HBL eddy covariance flux monitoring sites using only optical data from MODIS (500 m, 8 day) or harmonized Landsat/Sentinel (HLS; 30 m, 16 day or more frequent). The results show that spatial resolution has less impact on modeled daily GPP compared to temporal resolution across model configurations. Using MODIS data, individual sites’ daily GPP could be simulated with minimal bias, R2 up to 0.89 and mean absolute error as low as 0.37 g C m−2 day−1. For annual GPP, MODIS (R2 = 0.84; mean absolute error 40.5 g C m−2 year−1) also outperformed the HLS models (R2 = 0.46; mean absolute error 86.4 g C m−2 year−1).
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 | 0,001 | 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 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 ».