Forest water use and water use efficiency at elevated <scp><scp>CO<sub>2</sub></scp></scp>: a model‐data intercomparison at two contrasting temperate forest <scp>FACE</scp> sites
Notice bibliographique
Résumé
Predicted responses of transpiration to elevated atmospheric CO2 concentration (eCO2 ) are highly variable amongst process-based models. To better understand and constrain this variability amongst models, we conducted an intercomparison of 11 ecosystem models applied to data from two forest free-air CO2 enrichment (FACE) experiments at Duke University and Oak Ridge National Laboratory. We analysed model structures to identify the key underlying assumptions causing differences in model predictions of transpiration and canopy water use efficiency. We then compared the models against data to identify model assumptions that are incorrect or are large sources of uncertainty. We found that model-to-model and model-to-observations differences resulted from four key sets of assumptions, namely (i) the nature of the stomatal response to elevated CO2 (coupling between photosynthesis and stomata was supported by the data); (ii) the roles of the leaf and atmospheric boundary layer (models which assumed multiple conductance terms in series predicted more decoupled fluxes than observed at the broadleaf site); (iii) the treatment of canopy interception (large intermodel variability, 2-15%); and (iv) the impact of soil moisture stress (process uncertainty in how models limit carbon and water fluxes during moisture stress). Overall, model predictions of the CO2 effect on WUE were reasonable (intermodel μ = approximately 28% ± 10%) compared to the observations (μ = approximately 30% ± 13%) at the well-coupled coniferous site (Duke), but poor (intermodel μ = approximately 24% ± 6%; observations μ = approximately 38% ± 7%) at the broadleaf site (Oak Ridge). The study yields a framework for analysing and interpreting model predictions of transpiration responses to eCO2 , and highlights key improvements to these types of 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».