Characterizing the diurnal patterns of errors in the prediction of evapotranspiration by several land‐surface models: An NACP analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Land‐surface models use different formulations of stomatal conductance and plant hydraulics, and it is unclear which type of model best matches the observed surface‐atmosphere water flux. We use the North American Carbon Program data set of latent heat flux (LE) measurements from 25 sites and predictions from 9 models to evaluate models' ability to resolve subdaily dynamics of transpiration. Despite overall good forecast at the seasonal scale, the models have difficulty resolving the dynamics of intradaily hysteresis. The majority of models tend to underestimate LE in the prenoon hours and overestimate in the evening. We hypothesize that this is a result of unresolved afternoon stomatal closure due to hydrodynamic stresses. Although no model or stomata parameterization was consistently best or worst in terms of ability to predict LE, errors in model‐simulated LE were consistently largest and most variable when soil moisture was moderate and vapor pressure deficit was moderate to limiting. Nearly all models demonstrate a tendency to underestimate the degree of maximum hysteresis which, across all sites studied, is most pronounced during moisture‐limited conditions. These diurnal error patterns are consistent with models' diminished ability to accurately simulate the natural hysteresis of transpiration. We propose that the lack of representation of plant hydrodynamics is, in part, responsible for these error patterns.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle