MétaCan
Menu
Retour à la cohorte
Enregistrement W4409355377 · doi:10.1139/as-2024-0033

Vascular plant biomass and herbivore disturbance, but not summer temperature, explain satellite and drone-based NDVI in High Arctic Svalbard

2025· article· en· W4409355377 sur OpenAlexvenueno aff
Ingrid Marie Garfelt Paulsen, Isabell Eischeid, Åshild Ønvik Pedersen, Jakob J. Assmann, Nigel G. Yoccoz, Jesper Bruun Mosbacher, Eeva M. Soininen, Virve Ravolainen

Notice bibliographique

RevueArctic Science · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesNorsk PolarinstituttTromsø Forskningsstiftelse
Mots-clésDroneBiomass (ecology)Disturbance (geology)ArcticNormalized Difference Vegetation IndexHerbivoreSatelliteEnvironmental scienceEcologyClimate changeBiologyEngineeringBotany

Résumé

récupéré en direct d'OpenAlex

The normalized difference vegetation index (NDVI) is a critical tool for studying Arctic vegetation patterns and changes, but more knowledge is needed about its links with plant biomass and disturbances, especially in sparsely vegetated habitats in the High Arctic. Here, we investigate the relationship between NDVI and vascular plant biomass, summer temperature, goose disturbance, and winter damage in Dryas ridge and moss tundra habitats on Svalbard, all recorded in the corresponding year across a 5-year time series. We test these relationships using mixed-effect models at two spatial resolutions (10 cm and 10 m) and two extents with data from drone and Sentinel-2 imagery. We found that in our plots, an increase in biomass of 100 g m −2 increased NDVI from drone imagery by 0.08 ± 0.03 (95% CI) for Dryas ridge and by 0.04 ± 0.03 for moss tundra. Despite record-warm summers, temperature of the same summer was not associated with NDVI in our time-series. In moss tundra, severe goose disturbance had a negative relationship with drone NDVI in plots, while in Dryas ridge habitat, winter damage had no clear correspondence with NDVI. Our study provides an example of context dependencies highlighted in remote-sensing literature in the Arctic, encouraging future studies to include effects of disturbance on NDVI and to establish habitat-specific relationships with NDVI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,230
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetClimate change and permafrostTravaux en français237 207