Raster Circumpolar Arctic Vegetation Map
Notice bibliographique
Résumé
Authors: Martha K. Raynolds, Donald A. Walker, Andrew Balser, Christian Bay, Mitch Campbell, Mikhail M. Cherosov, Fred J. A. Daniëls, Pernille Bronken Eidesen, Ksenia A. Ermokhina, Gerald V. Frost, Birgit Jedrzejek, M. Torre Jorgenson, Blair E. Kennedy, Sergei S. Kholod, Igor A. Lavrinenko, Olga V. Lavrinenko, Borgþór Magnússon, Nadezhda V. Matveyeva, Sigmar Metúsalemsson, Lennart Nilsen, Ian Olthof, Igor N. Pospelov, Elena B. Pospelova, Darren Pouliot, Vladimir Razzhivin, Gabriela Schaepman-Strub, Jozef Šibík, Mikhail Yu. Telyatnikov, Elena Troeva. Land cover maps are the basic data layer required for understanding and modeling ecological patterns and processes. The Circumpolar Arctic Vegetation Map (CAVM), produced in 2003, has been widely used as a base map for studies in the arctic tundra biome. However, the relatively coarse resolution and vector format of the map were not compatible with many other data sets. We present a new version of the CAVM, building on the strengths of the original map, while providing a finer spatial resolution, raster format, and improved mapping. The Raster CAVM uses the legend, extent and projection of the original CAVM. The legend has 16 vegetation types, glacier, saline water, freshwater, and non-arctic land. The Raster CAVM divides the original rock-water-vegetation complex map unit that mapped the Canadian Shield into two map units, distinguishing between areas with lichen- and shrub-dominated vegetation. In contrast to the original hand-drawn CAVM, the new map is based on unsupervised classifications of seventeen geographic/floristic sub-sections of the Arctic, using AVHRR and MODIS data (reflectance and NDVI) and elevation data. The units resulting from the classification were modeled to the CAVM types using a wide variety of ancillary data. The map was reviewed by experts familiar with their particular region, including many of the original authors of the CAVM from Canada, Greenland (Denmark), Iceland, Norway (including Svalbard), Russia, and the U.S. The analysis presented here summarizes the area, geographical distribution, elevation, summer temperatures, and NDVI of the map units. The greater spatial resolution of the Raster CAVM allowed more detailed mapping of water-bodies and mountainous areas. It portrays coastal-inland gradients, and better reflects the heterogeneity of vegetation type distribution than the original CAVM. Accuracy assessment of random 1-km pixels interpreted from 6 Landsat scenes showed an average of 70 % accuracy, up from 39 % for the original CAVM. The distribution of shrub-dominated types changed the most, with more prostrate shrub tundra mapped in mountainous areas, and less low shrub tundra in lowland areas. This improved mapping is important for quantifying existing and potential changes to land cover, a key environmental indicator for modeling and monitoring ecosystems.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,066 | 0,035 |
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 ».