High-resolution Canada domain disturbance forcings suitable for land surface modeling applications
Notice bibliographique
Résumé
Spatially explicit fire and harvest data are useful for driving land surface model (LSM) simulations of the carbon cycle. From 1985-present, numerous Canadian disturbance datasets exist. However, before the launch of Landsat-4 (1984), few are available. We create spatially explicit LSM disturbance drivers for Canada for 1740-2018. We catalog and harmonize spatial and aspatial datasets and develop a novel algorithm that reconstructs disturbance far back in time using stand age. Based on possible historical scenarios, we reconstruct 283-394 Mha of fire and 3.42 Mha of harvest in total Canada-wide from 1740-1918. After 1918, when spatial records are available, we supplement them by reconstructing 25.79-60.30 Mha of fire and 24.75 Mha of harvest. After 1984, we exclusively use spatially explicit records. We verify the algorithm by comparing the inputs and resultant drivers and examine diagnostic metrics to disentangle the contribution of spatial, aspatial, and stand-age data. The resulting drivers primarily capture stand-replacing disturbance on forested land. Our forcings and algorithm will improve the representation of disturbance-mediated impacts on Canada's terrestrial carbon cycle and possibly in other regions.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».