Coarse land cover datasets bias Arctic-Boreal wetland methane budgets
Notice bibliographique
Résumé
Abstract Accurate methane (CH 4 ) emission estimates from Arctic and boreal wetlands are essential for reducing global budget uncertainties but are hindered by poorly constrained wetland distribution and classification. We assessed how land cover map resolution and thematic detail influence these estimates. Using very high spatial resolution land cover maps (≤2.5 m) with five to seven harmonized classes and 4–50% wetland coverage, we estimated CH 4 emissions across seven Arctic and boreal sites in North America and Eurasia. Resampling to coarser resolutions (up to 5 km) revealed that CH 4 flux estimates remained within 13% error when resolution was ≤25 m pixel size. At resolutions coarser than 1 km, four of seven sites shifted from net CH 4 source to sink, due to misrepresentation of wetland extent in heterogeneous landscapes with small, fragmented wetlands. Thematic detail also proved critical, as fens—high CH 4 emitters—were disproportionately underrepresented in coarse (>1 km) maps relative to other wetland types. We also show that existing global or circumpolar land cover maps tend to misrepresent wetlands, either overlooking smaller features or overestimating coverage in wetland dominated areas. Our findings indicate that coarse-scale land cover datasets are unsuitable for estimating CH 4 budgets in these regions, where high spatial resolution and biogeochemically relevant land cover classes are essential for reliable CH 4 emission upscaling.
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 | 0,000 | 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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».