MétaCan
Menu
← Retour à la cohorte
Enregistrement W7132892886

Complementarity of Solar Induced Chlorophyll Fluorescence and the Photochemical Reflectance Index for Remote Estimation of Terrestrial Gross Primary Productivity

2022· dissertation· W7132892886 sur OpenAlexaboutno aff
Cheryl Anne Rogers

Notice bibliographique

RevueTSpace · 2022
Typedissertation
Langue
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhotochemical Reflectance IndexPrimary productionCanopyLeaf area indexUnderstoryGrowing seasonLand coverPhotosynthetically active radiationNormalized Difference Vegetation IndexPhenology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Terrestrial vegetation helps mitigate the accumulation of CO2 in the atmosphere through photosynthesis, which locks CO2 into vast stores of vegetative material. However, the rate of this flux is itself sensitive to global change and may fluctuate in ways that are difficult to predict. Monitoring gross primary productivity (GPP) continuously across both space and time is thus critical to understanding the risks of continued climate change. This thesis evaluates satellite remote sensing measures to improve assessment of carbon uptake and explores the complementarity and confounding factors of two physiologically related spectral indices: solar induced chlorophyll fluorescence (SIF), and the photochemical reflectance index (PRI).An evaluation of the impact of land cover and latitude on SIF phenology across the Province of Ontario using a GIS approach shows higher SIF magnitudes in more densely vegetated land cover types, early start of season in urban environments, and delayed start of season in croplands. Exploiting the 2017 North American Solar Eclipse as a natural shading experiment over a mixed forest canopy at proximal scale indicates that changes in PRI can result from multiple scattering of light through a forest canopy. As SIF and PRI are highly sensitive to canopy structure, I devise and test methods to measure leaf area index from understory light sensors. I report a near 20-year record of canopy structure for a mixed forest site. Finally, I report the results of a comprehensive field campaign to characterize the causes of variability in SIF, PRI and GPP across diurnal, seasonal and interannual time periods. Variability in PRI and SIF yield are associated with changes in canopy chlorophyll content and canopy structure. The findings support emerging evidence that structure and radiation dominate SIF variation and highlight limitations of PRI in tracking light stress over long time series. The findings advance our ability to assess vegetation productivity from space and indicate factors that may confound our interpretation of remotely sensed spectral indices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,313
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace→Même sujetRemote Sensing in Agriculture→Travaux en français237 207→