Reconstructing and Mapping Annual Net Primary Productivity (NPP) Since 1940 Using Tree Rings in Southern Indiana, U.S.
Notice bibliographique
Résumé
Abstract Vegetation absorption is one major form of carbon storage. The earliest spatial distribution of the Net Primary Production (NPP), an index to estimate how much carbon is absorbed, could extend back to the 1980s from satellite imagery. Our study reconstructed a time series annual NPP maps in the southern Indiana since 1940 with point‐by‐point regression models and ring‐width index (RWI) from 16 tree‐ring chronologies. Our RWI‐NPP model had a good performance using Random Forest (RF) regression comprehensively considering both normal and dry years. The RWI‐NPP model performance gap between forest and grassland is acceptable. We also found that the tendency (model of the tendency = −0.50) based on the combination of real NPP data and simulated NPP data were opposite to the one (slope = 18.70) only based on real NPP data where the extended data set could correct some bias caused by limited data. There is a huge NPP fluctuation in the recent years (2010–2013) which is highly likely to be caused by the combination of higher frequency of extreme climate events and the intensive land‐use and land‐cover change. We assume that most of the vegetation pixels had the same growing pattern with the plot in Morgan Monroe Flux Tower whose dominant species is ACSH (35.66%) or the plot in Hoot Woods whose dominant species is FRAM (34.41%). This study is novel in the assessment of the spatial distribution patterns of NPP since 1940. We can witness how the NPP changes within the last 70 years.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».