Data from: Modeling seasonal surface temperature variations in secondary tropical dry forests
Notice bibliographique
Résumé
Secondary tropical dry forests (TDFs) provide important ecosystem services such as carbon sequestration, biodiversity conservation, and nutrient cycle regulation. However, their biogeophysical processes at the canopy-atmosphere interface remain unknown, limiting our understanding of how this endangered ecosystem influences, and responds to the ongoing global warming. To facilitate future development of conservation policies, this study characterized the seasonal land surface temperature (LST) behavior of three successional stages (early, intermediate, and late) of a TDF, at the Santa Rosa National Park (SRNP), Costa Rica. A total of 38 Landsat-8 Thermal Infrared Sensor (TIRS) data and the Surface Reflectance (SR) product were utilized to model LST time series from July 2013 to July 2016 using a radiative transfer equation (RTE) algorithm. We further related the LST time series to seven vegetation indices which reflect different properties of TDFs, and soil moisture data obtained from a Wireless Sensor Network (WSN). Results showed that the LST in the dry season was 15–20 K higher than in the wet season at SRNP. We found that the early successional stages were about 6–8 K warmer than the intermediate successional stages and were 9–10 K warmer than the late successional stages in the middle of the dry season; meanwhile, a minimum LST difference (0–1 K) was observed at the end of the wet season. Leaf phenology and canopy architecture explained most LST variations in both dry and wet seasons. However, our analysis revealed that it is precipitation that ultimately determines the LST variations through both biogeochemical (leaf phenology) and biogeophysical processes (evapotranspiration) of the plants. Results of this study could help physiological modeling studies in secondary TDFs.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».