High-resolution Canada domain Forest disturbance forcings suitable for land surface modeling applications
Notice bibliographique
Résumé
High-spatial resolution, spatially explicit forest fire, and harvest data are useful for prescribing disturbances in land surface models (LSMs) to simulate the impacts of these disturbances on terrestrial processes such as the carbon cycle. Numerous fire and harvest datasets are available within the Canada domain for the period from 1985 - present; however, they vary in their spatial and temporal extent, quality, and format. Before the more modern satellite era, initiated in 1984 with the launch of 30-m spatial resolution Landsat-4), data are more sparse. In this study, we set out to create a spatially explicit forest fire and harvest area disturbance dataset for Canada for the period 1740 - 2018 suitable for use with LSMs. To do so, we cataloged and harmonized disparate spatial and aspatial datasets of historical disturbance in Canada. We then developed a novel algorithm that combines spatial and aspatial disturbance data using stand age to infill sparse forest disturbance data far back in time. Based on different historical scenarios, we place 283-394 Mha of fire disturbance and 3.42 Mha of harvest across the Canadian forest landscape between 1740 and 1918. Once spatial records are available in 1918, we supplement the existing spatial records with 25.79-60.30 Mha of fire and 24.75 Mha of harvest, placing zero disturbance once satellite mapped products become available in 1985. The algorithm's results were verified by examining Canada-wide fire and harvest in the datasets that are fed to the algorithm, and in the LSM drivers that result. Moreover, the diagnostic metrics were examined to detail the relative contribution of the spatial, aspatial, and stand-age data to the algorithm outputs. Our forcings and algorithm will facilitate improvements to the representation of disturbance-mediated impacts on terrestrial carbon cycling in Canada and potentially 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».