Predicting evapotranspiration change in a successionnal forest without eddy covariance measurements
Notice bibliographique
Résumé
In this study we developed a minimalist conceptual model to predict actual evapotranspiration (AET) during summer from soil water depletion data. The approach was applied to three experimental sites in Western Canada which represent a forest succession (different stand ages in a similar environment). The objective was to gain insights into the role of forest stand age, interannual climate variability, and the Horton index (rate of vaporization to wetting) in controlling summer AET. We used continuous soil moisture and precipitation data over 20 years to drive the model at different temporal resolutions. The results were compared with observed AET measurements (eddy-covariance data). The results show that easy-to-measure soil water depletion can be used to make predictions of summer AET for half-hourly and daily time scales. The approach could predict the differences from 5 to 35% of AET among the differently aged stands. The results are sensitive to the canopy architecture, active root depth and stand age. Moreover, we find that the model is reliable despite summer dry-wet transitions due to sporadic rainfall events. Finally, the interannual variability of the Horton index at each stand implies different root water uptake strategies during landscape succession. If the model should prove successful for a wider range of forest landscapes, envisioned applications include estimates at sites where eddy covariance data are inexistent or impossible (e.g. complex terrain) or for large-scale water balance assessments using remote-sensing techniques.
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 | 0,000 | 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 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 ».