MétaCan
Menu
Retour à la cohorte
Enregistrement W2028616714 · doi:10.1175/jcli-d-14-00082.1

MODIS Consistent Vegetation Parameter Specifications and Their Impacts on Regional Climate Simulations

2014· article· en· W2028616714 sur OpenAlexaboutno aff
Min Xu, Xin‐Zhong Liang, Arthur N. Samel, Wei Gao

Notice bibliographique

RevueJournal of Climate · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceClimatologyAdvanced very-high-resolution radiometerModerate-resolution imaging spectroradiometerVegetation (pathology)Albedo (alchemy)PrecipitationEvergreenClimate modelLeaf area indexEvergreen forestClimate changeAtmospheric sciencesGeographyGeologyMeteorologyOceanographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract A consistent set of Moderate Resolution Imaging Spectroradiometer (MODIS) vegetation parameters, including leaf and stem area index (LAI and SAI, respectively), land-cover category (LCC), fractional vegetation cover (FVC), and albedo parameterization are developed, and their impacts on North American regional climate are evaluated based on 10-yr Climate–Weather and Research Forecasting Model (CWRF) simulations. As compared with the previous Advanced Very High Resolution Radiometer (AVHRR) set, MODIS LCC increases grassland and cropland fractions in the central Great Plains and Midwest, respectively. Evergreen needleleaf forest converts to mixed forest in the Southeast, and mixed forest converts to evergreen needleleaf in Canada. FVC decreases by 0.05–0.3 over the central Great Plains but increases by 0.1–0.35 over the northern Rocky Mountains, Canada, and the U.S. Southeast. MODIS LAI is less than AVHRR by 2–6, except in the central Great Plains, eastern Rocky Mountains, and central Mexico. LCC and FVC changes over the central Great Plains reduce CWRF warm biases by 0.71°C and wet biases by 0.36 mm day−1. Large LAI reductions cause latent and sensible heat fluxes to decrease by 0.78–5.81 and 0.91–6.54 W m−2, respectively. They also lessen cold biases over the Gulf States and Southeast and wet biases over the North American monsoon region and Canada during summer. In densely vegetated regions including eastern Canada, the Ohio Valley, and the mid-Atlantic region, spring and summer precipitation decreases and temperature increases result from LAI reductions that cause positive evapotranspiration–precipitation–soil moisture feedbacks. Conversely, precipitation and temperature decreases in sparely vegetated regions, such as the Great Plains, result from FVC reductions that cause negative albedo–evapotranspiration–precipitation–soil moisture feedbacks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,419
Score d'incertitude au seuil0,356

Scores Codex et Gemma par catégorie

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

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 Opus0,058
Tête enseignante GPT0,276
Écart entre enseignants0,217 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations21
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207