Key points are not available for this paper at this time.
Zusammenfassung Die Fernerkundung ist ein unschätzbares Werkzeug zur Verfolgung dekadischer Veränderungen der Vegetationsgrünheit als Reaktion auf Klima- und Landnutzungsänderungen. Obwohl das Landsat-Archiv weit verbreitet genutzt wurde, um diese Trends und ihre räumliche sowie zeitliche Komplexität zu erkunden, wirft die inkonsistente Stichprobenfrequenz über Zeit und Raum Fragen zu seiner Fähigkeit auf, verlässliche Schätzungen jährlich Vegetationsindizes wie den jährlichen Maximal-NDVI zu liefern, der häufig als Proxy für die Pflanzenproduktivität verwendet wird. Hier zeigen wir für saisonal schneebedeckte Ökosysteme, dass die aus dem jährlichen Maximal-NDVI abgeleiteten Grüntrends erheblich überbewertet werden können, weil die Anzahl verfügbarer Landsat-Beobachtungen mit der Zeit zunimmt und hauptsächlich die Größe der Überbewertung entlang umweltbedingter Gradient variiert. Typischerweise erleben Gebiete mit einer kurzen Wachstumsperiode und wenigen verfügbaren Beobachtungen die größte Verzerrung bei der Schätzung des Grüntrends. Wir zeigen, dass diese Bedingungen in spät schmelzenden Schneehabitaten der europäischen Alpen erfüllt sind, die als besonders empfindlich gegenüber Temperaturerhöhungen bekannt sind und Herausforderungen im Naturschutz darstellen. In diesem kritischen Kontext kann nahezu 50 % der Größe der geschätzten Begrünung durch diese Verzerrung erklärt werden. Unsere Studie fordert zu mehr Vorsicht auf, wenn die Größenordnungen von Begrünungstrends zwischen Lebensräumen mit unterschiedlichen Schneebedingungen und Beobachtungen verglichen werden. Mindestens empfehlen wir, Informationen über die zeitliche Stichprobennahme der Beobachtungen zu berichten, einschließlich der Anzahl der Beobachtungen pro Jahr, wenn langfristige Studien mit Landsat-Beobachtungen durchgeführt werden.
Bayle et al. (Di,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: