Capturing constraints on boreal gross primary productivity using the remote sensing-based CAN-TG model.
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
In response to the limited number and distribution of in-situ carbon flux observations, remote sensing-based methods are increasingly relied upon for the estimation of Gross Primary Productivity (GPP) at regional to global scales. These remote sensing-informed estimates are commonly derived through process-based modelling frameworks which prescribe functional relationships between model inputs and target GPP. Across highly heterogeneous landscapes like the Canadian boreal, these parameters are difficult to constrain and often site-specific. Recent work has determined that parameterization alone may not improve model performance, instead requiring additional model inputs to capture the complex drivers of vegetation productivity across land cover types. In response to these challenges, we applied the remote sensing-based CAN-TG framework to estimate boreal GPP, leveraged through a random forest (RF) machine learning approach that does not assume linear or functional relationships between input variables and productivity. Stratified by land cover, fire disturbance history, and topography, models were assessed for their ability to capture reference GPP from NASA's complex, process-based Soil Moisture Active Passive (SMAP) GPP product. Across all boreal strata, model r 2 values ranged from 0.93 to 0.96, demonstrating that the variability in substantially more complex models can be successfully captured using a simple, interpretable remote sensing-based framework. Through the addition of remote sensing variables capturing freeze/thaw and soil moisture dynamics to surface temperature and greenness, the CAN-TG model demonstrated an improved ability to capture GPP compared to a benchmark GPP model. Seasonal RF models across key boreal land cover, fire disturbance history and topographic strata further demonstrated varying and complex non-linear relationships between model variables and GPP. Spring and fall models generally outperformed winter and summer models, reaffirming model strengths whilst also highlighting remaining uncertainty and areas for future model improvement.
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 | 0,001 |
| 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