Evaluating drought effect on MODIS Gross Primary Production (GPP) with an eco‐hydrological model in the mountainous forest, East Asia
Notice bibliographique
Résumé
Abstract Surface soil moisture dynamics is a key link between climate fluctuation and vegetation dynamics in space and time. In East Asia, precipitation is concentrated in the short monsoon season, which reduces plants water availability in the dry season. Furthermore, most forests are located in mountainous areas because of high demand for agricultural land, which results in increased lateral water flux and uneven distribution of plant available water. These climatic and topographic features of the forests make them more vulnerable to drought conditions. In this study, the eco‐hydrological model (Regional Hydro‐Ecological Simulation System) is validated with various water and carbon flux measurements in a small catchment in Korea. The model is then extended to the regional scale with fine‐resolution remote sensing data to evaluate the Moderate Resolution Imaging Radiometer (MODIS) leaf area index and gross primary productivity (GPP) products. Long‐term model runs simulated severe drought effect in 2001 well, which is clearly shown in the ring increment data. However, MODIS GPP does not capture this drought effect in 2001, which might be from a simplified treatment of water stress in the MODIS GPP algorithm. This study shows that the MODIS GPP products can potentially overestimate carbon uptake specifically during drought conditions driven by soil water stress.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».