Does pattern matter?: spatio-temporal modelling strategies to predict grassland productivity dynamics, Grasslands National Park, Saskatchewan
Notice bibliographique
Résumé
Environmental models allow scenario testing and experiments that are impossible to address in the field or laboratory, and are therefore important tools in environmental management. The simplification of real-world processes creates inherent uncertainty in the predictions, however, and it is important to include assessment of sources, propagation, and management of this uncertainty in modelling. This research demonstrates advantages of various models, and recommendations to reduce uncertainty, focussing on models of net primary productivity (NPP) in Grasslands National Park, Saskatchewan. First, I examine the sensitivity of productivity to climate change, using the CENTURY model. Stability of NPP, which is more ecologically relevant than individual annual predictions, is predicted to decrease if there are more than small increases to the variability of precipitation in future climates. However, changes to precipitation variability also markedly increased the uncertainty of the NPP predictions. This uncertainty could be reduced with spatially distributed predictions, and a finer temporal resolution. Second, I adapt a spatially-explicit modelling framework (RHESSys) from forestry to work in grasslands. Changes were made to treatment of soil moisture, phenology, and photosynthesis to successfully predict grass NPP. Uncertainty introduced by the spatial framework could be reduced through better understanding of the role of spatial partitioning. Third, I address the partitioning issue by using alternate landscape representations with RHESSys and comparing their ability to create homogeneous modelling units. Grids, shifted grids, quadtrees, and hillslope partitions are compared to select an intelligent choice. Recommendations are made on how such modelling could be used in a less research-intensive environment. Fourth, I examine light use efficiency (LUE) models, which can be adapted very quickly for management purposes. The effects of drought on LUE need to be incorporated to obtain realistic predictions. This allows spatially extensive estimates of NPP driven by satellite images, and can assist with management decisions for the region, and monitor their effects. Together, this work covers a wide range of modelling and geographic information management with very different data and setup needs. The combination of science and technology allows a range of different questions, and I present recommendations for their appropriate use.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».