Mapping Mangrove Foliar Photosynthesis from Space: High-Resolution Estimation of Carbon Sequestration in the Sundarbans Mangrove Forest, Bangladesh
Notice bibliographique
Résumé
Mangrove forests provide essential climate regulation and coastal protection, yet fine‐scale quantification of carbon dynamics remains limited in the Sundarbans due to spatial heterogeneity and tidal influences. This study estimated canopy structural and photosynthetic dynamics from 2019 to 2023 by integrating high-resolution remote sensing with a light use efficiency modeling framework. Leaf Area Index (LAI) was retrieved at 10 m resolution using the PROSAIL radiative transfer model applied to Sentinel-2 data. Gross Primary Productivity (GPP) was estimated using Sentinel-2 vegetation indices and MODIS fPAR with temperature and water availability constraints. Solar-induced chlorophyll fluorescence (SIF) was derived at 10 m resolution and compared with TROPOMI observations to assess correspondence with photosynthetic activity. LAI and GPP exhibited pronounced seasonal and interannual variability, with higher values during the monsoon growing season and lower values during dry periods. Mean NDVI declined from 2019 to 2023 and modeled annual carbon uptake ranged from approximately 43 to 65 Mt CO₂ eq, with lower sequestration in 2022–2023 associated with climatic stress. Strong correlations among LAI, NDVI, GPP, and SIF indicated consistent coupling of canopy structure and function. These results provide a fine-scale assessment of mangrove carbon dynamics relevant for conservation and climate mitigation planning.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».