Arctic-Boreal Vulnerability Experiment (ABoVE): Burned Area, Depth, and Combustion for Alaska and Canada, 2001-2019
Notice bibliographique
Résumé
This dataset provides annual gridded estimates of fire locations and associated burn fraction per pixel for Alaska and Canada at approximately 500 meter (m) spatial resolution for the period 2001-2019. Gridded predictions of carbon combustion and burn depth for the same period within the Arctic-Boreal Vulnerability Experiment (ABoVE) extended domain using the burn area maps and field data are also available. Fire locations and date of burn (DOB) were detected by MODIS-derived active fire products. Burned area was primarily estimated from finer-scale Landsat imagery using a differenced Normalized Burn Ratio (dNBR) algorithm and upscaled to an approximate 500 m MODIS resolution. Aboveground combustion, belowground combustion, and burn depth were statistically modeled at the pixel level for every mapped burned pixel in the ABoVE extended domain based on field observations across Alaska and western Canada. Predictor variables included remotely sensed indicators of fire severity, topography, soils, climate, and fire weather. Quality flags for burned area and combustion are available. Fire is the dominant disturbance agent in Alaskan and Canadian boreal ecosystems and releases large amounts of carbon into the atmosphere. These data are useful for studies of disturbance, fire ecology, and carbon cycling in boreal 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 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 tête enseignante, 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 ».