Mapping net primary production and related biophysical variables with remote sensing: Application to the BOREAS region
Notice bibliographique
Résumé
Maps of net and gross primary production, autotrophic respiration, biomass, and other biophysical variables were generated for 106km2 of boreal forest in central Canada (the Boreal Ecosystem-Atmosphere (BOREAS) region) using a production efficiency model (PEM) driven with remotely sensed observations at 1 km2 spatial resolution. The PEM was based on carbon yields of absorbed photosynthetically active radiation for both gross and net primary production (GPP and NPP), accounting for environmental stress and autotrophic respiration (Ra). Physiological control was modeled using remotely sensed maps of air temperature, vapor pressure deficit, and soil moisture. The accuracy of the inferred variables was generally within 10-30% of point measurements at the surface and independent model results (both at the stand level). Biomass maps were derived from visible reflectance measurements and were also compared to independently derived maps. Area-averaged GPP was 604 g C m-2 yr-1 compared with average canopy respiration of 428 g C m-2 yr-1 and NPP of 235 g C m-2 yr-1. Net annual carbon uptake in net primary production for the region totaled 175 teragrams. Canopy carbon exchange (GPP and Ra) differed widely between land cover types even though the model does not use land cover information. Extensive areas of the least productive cover types (e.g., lowland needleleaf species) accounted for the greatest amount of NPP.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».