Spectral reflectance and associated photograph of boreal forest understory formation in interior Alaska
Notice bibliographique
Résumé
The Arctic and boreal regions have been experiencing rapid warming in the 21st century. It is important to understand the dynamics of boreal forest on the continental scale under the climate and environmental changes. While the role of understory vegetation in boreal forest ecosystems on carbon and nutrient cycling cannot be ignored, they are still one of least understood components in boreal ecosystems. Spectroscopic measurements of vegetation are useful to identify species and their biochemical characteristics and to estimate the biophysical parameters such as understory leaf area index, above ground biomass. In this data paper, we present spectral reflectances of 44 typical understory formations and five 30-m long transects. The spectral reflectance covers the spectral region of visible, near infrared and shortwave infrared (350–2500 nm). For the transect measurements, we decided the length of transect at 30 m, similar to the scale of one pixel of a Landsat type satellite imagery. The photographs at all positions, where spectral reflectances were obtained, are included to understand the structure and status of each sample. The data set contains six dwarf shrubs (Bog bilberry (Vaccinium uliginosum), cranberry (Vaccinium vitis-idea), feltleaf willow (Salix alaxensis), young birch (Betula neoalaskana), young aspen (Populus tremuloides), and young black spruce (Picea mariana)), two herbaceous (cottongrass (Eriophorum vaginatum) and marsh Labrador tea (Ledum decumbens)), three mosses (Sphagnum moss, splendid feather moss (Hylocomium splendens), and polytrichum moss (Polytrichum commune)), and reindeer lichen (Cladonia rangiferina). Spectral reflectances from several non-vegetative such as snow, litter, and soil are also included. This spectral and photographic data set can be used for understanding the spectral characteristics of understory formations, designing newly planned spectral observations, and developing and validating the remote sensing methodology of large-scale understory monitoring.
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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».