How hydrology determines seasonal and interannual variations in water table depth, surface energy exchange, and water stress in a tropical peatland: Modeling versus measurements
Notice bibliographique
Résumé
Abstract Soil carbon stocks in tropical peatlands have declined recently from water table depth (WTD) drawdown caused by increased frequency and intensity of climate extremes like El Niño and by artificial drainage. Restoration of these carbon stocks under these climatic and anthropogenic disturbances requires improved predictive capacity for hydrological feedbacks to ecological processes. Process‐based modeling of tropical peatland ecohydrology could provide us with such capacity, but such modeling has thus far been limited. We aimed at using basic processes for water and O 2 transport and their effects on ecosystem water, carbon, and nitrogen cycling to model seasonal and interannual variations of WTD and surface energy exchange. We tested these processes in a process‐based model ecosys in a drained tropical Indonesian peatland from an El Niño year 2002 to a wetter year 2005. WTD was modeled from hydraulically driven water transfers controlled vertically by precipitation versus evapotranspiration (ET) and laterally by discharge versus recharge to or from an external reference WTD. These transfers caused WTD drawdown and soil drying to be modeled during dry seasons, which reduced ET and increased Bowen ratio by lowering stomatal conductance. More pronounced dry seasons in drier years 2002–2004 versus wetter year 2005 caused deeper WTD, more intense peat drying, and greater plant water stress. These modeled trends were well corroborated by site measurements as apparent in regression statistics of modeled versus observed WTD ( R 2 > 0.8), latent heat ( R 2 > 0.8), and sensible heat ( R 2 > 0.7) fluxes. Insights gained from this modeling would aid in predicting the fate of tropical peatlands under future drier climates.
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 | 0,001 | 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 | 0,001 |
| 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 ».