Uso de imagens de radar para o cálculo da produção primária de plantas aquáticas nas várzeas da Amazônia
Bibliographic record
Abstract
A área da planície de inundação da Amazônia é estimada em 300 000km² e sua produtividade primária em 1,17 x 10(14) g C yr-1. Deste total de área e produtividade, estimativas sugerem que 43% e 62%, respectivamente, são atribuídos às plantas aquáticas. Estas estimativas variam de acordo com o pulso de inundação. Por exemplo, durante o período de seca as plantas terrestres (herbáceas) geralmente ocupam áreas que apresentam plantas aquáticas na cheia. A área e a produtividade destes ecossistemas são informações essenciais para a compreensão da dinâmica biogeoquímica da Amazônia. Imagens de satélites (radar) combinadas com amostragem de campo foram utilizadas para estimar a biomassa e mapear a área de cobertura de plantas aquáticas emergentes para calcular a produção primária de plantas aquáticas na várzea do baixo Amazonas. A combinação de bandas C e L forneceu a melhor correlação (r=0,82) e um ponto de saturação de biomassa intermediário (620 gm-2) para estimar biomassa aérea. O método de segmentação e classificação por região foi utilizado para classificar combinações de bandas C e L para cada período de nível de água, e forneceu uma precisão de mapeamento maior que 95% para determinação espacial de áreas cobertas por plantas aquáticas. Combinando a distribuição espacial de plantas aquáticas, o modelo para estimativa de biomassa aérea e a porcentagem de biomassa submersa, estimou-se espacialmente uma produção primária líquida anual de 1.9x10(12) g C yr-1 (±28%) para as plantas aquáticas em uma área de 394km².
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".