Spatial Distribution of Thaw Depth in Palsas Estimated From Optical Unoccupied Aerial Systems Data
Notice bibliographique
Résumé
ABSTRACT Maximum seasonal thaw depth, referred to as active layer thickness (ALT), is one of the key parameters used to monitor permafrost conditions. ALT maps based on interpolation of point measurements or derived from coarse or moderate spatial resolution satellite data often hide small‐scale spatial variations in thaw depth resulting from differences in surface characteristics and microtopography. To model and predict changes in hydrological and biogeochemical processes in permafrost areas accurately, high‐resolution remote sensing‐based estimations of ALT are needed. Therefore, we applied random forest (RF) regression on a set of topographical and spectral vegetation indices derived from optical unoccupied aerial systems data, Landsat 8 land surface temperature (LST) data, and field measurements to estimate thaw depths in palsas at three mires in north‐west Finland. We also analyzed differences in thaw depths between mires located at different elevations, between dome and plateau‐shaped palsas, and between different vegetation and surface cover classes. The RF models resulted in root mean square errors from 2.4 to 5.7 cm between predicted and observed thaw depths and the R2 values of 0.57–0.96. Height from the surrounding fen surface and LST were the most important variables in thaw depth models, although high‐accuracy results were also achieved without LST. The mean thaw depths did not differ between the sites with lowest and highest elevation, whereas the thaw depths were significantly deeper in dome‐shaped palsas compared to plateaus. The thaw depths were significantly different between vegetation cover classes only on plateau‐shaped palsas. The results indicate the high impact of the topography on the palsa thaw depth, thus highlighting the importance of accurate elevation models in spatial modeling of palsa ALT. The methodology presented in this study can be applied to other permafrost regions where field measurements of ALT are accompanied with high‐resolution topographical and multispectral data.
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 | 0,001 | 0,001 |
| 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 ».