A novel approach to mapping and monitoring land carbon sinks by combining remote sensing and biogeochemical modeling: A case study in Burkina Faso
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
Accurate and timely estimation of carbon sequestration in soil and forest biomass is crucial for applications such as carbon stock assessment, forest degradation monitoring, and climate change mitigation. Traditional methods such as field inventories, remote sensing, and biogeochemical models each have strengths and limitations, particularly in data-scarce regions. To address these challenges, this study integrates the light-use efficiency ETLook model, which is driven by remotely sensed data, with the biogeochemical model DayCent, which is driven by management and weather data, to spatially model aboveground biomass and carbon sequestration. This novel approach aims to improve carbon sequestration estimates in a case study area in Burkina Faso, where ongoing political instability severely limits the availability of field data. In the absence of ground-truth data, we compare the outputs from DayCent and ETLook across time and space to build confidence in our estimates. Our findings indicate that, despite being driven by different input data, the DayCent model closely matches the aboveground biomass patterns observed in the ETLook model, with an r 2 value of 0.81, a Kling-Gupta efficiency (KGE) of 0.77, low bias, and consistent seasonal patterns. Since ETLook lacks a soil carbon module, combining its Net Primary Productivity (NPP) and growth estimates with DayCent’s soil organic carbon (SOC) outputs provides a more robust estimate of total carbon sequestration than either model alone. Future work will focus on applying this hybrid approach across different ecological and geographical regions to evaluate its broader applicability.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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