Global cropland monthly gross primary production in the year 2000
Notice bibliographique
Résumé
Abstract. Croplands cover about 12% of the ice-free terrestrial land surface. Compared with natural ecosystems, croplands have distinct characteristics due to anthropogenic influences. Their global gross primary production (GPP) is not well constrained and estimates vary between 8.2 and 14.2 Pg C yr−1. We quantified global cropland GPP using a light use efficiency (LUE) model, employing satellite observations and survey data of crop types and distribution. A novel step in our analysis was to assign a maximum light use efficiency estimate (ϵ*GPP) to each of the 26 different crop types, instead of taking a uniform value as done in the past. These ϵ*GPP values were calculated based on flux tower CO2 exchange measurements and a literature survey of field studies, and ranged from 1.20 to 2.96 g C MJ−1. Global cropland GPP was estimated to be 11.05 Pg C yr−1 in the year 2000. Maize contributed most to this (1.55 Pg C yr−1), and the continent of Asia contributed most with 38.9% of global cropland GPP. In the continental United States, annual cropland GPP (1.28 Pg C yr−1) was close to values reported previously (1.24 Pg C yr−1) constrained by harvest records, but our estimates of ϵ*GPP values were considerably higher. Our results are sensitive to satellite information and survey data on crop type and extent, but provide a consistent and data-driven approach to generate a look-up table of ϵ*GPP for the 26 crop types for potential use in other vegetation models.
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 | 0,001 |
| 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 ».