Terrestrial ecosystem model performance in simulating productivity and its vulnerability to climate change in the northern permafrost region
Notice bibliographique
Résumé
Abstract Realistic projection of future climate‐carbon (C) cycle feedbacks requires better understanding and an improved representation of the C cycle in permafrost regions in the current generation of Earth system models. Here we evaluated 10 terrestrial ecosystem models for their estimates of net primary productivity (NPP) and responses to historical climate change in permafrost regions in the Northern Hemisphere. In comparison with the satellite estimate from the Moderate Resolution Imaging Spectroradiometer (MODIS; 246 ± 6 g C m −2 yr −1 ), most models produced higher NPP (309 ± 12 g C m −2 yr −1 ) over the permafrost region during 2000–2009. By comparing the simulated gross primary productivity (GPP) with a flux tower‐based database, we found that although mean GPP among the models was only overestimated by 10% over 1982–2009, there was a twofold discrepancy among models (380 to 800 g C m −2 yr −1 ), which mainly resulted from differences in simulated maximum monthly GPP (GPP max ). Most models overestimated C use efficiency (CUE) as compared to observations at both regional and site levels. Further analysis shows that model variability of GPP and CUE are nonlinearly correlated to variability in specific leaf area and the maximum rate of carboxylation by the enzyme Rubisco at 25°C ( V c max_25 ), respectively. The models also varied in their sensitivities of NPP, GPP, and CUE to historical changes in climate and atmospheric CO 2 concentration. These results indicate that model predictive ability of the C cycle in permafrost regions can be improved by better representation of the processes controlling CUE and GPP max as well as their sensitivity to climate change.
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 | 0,006 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».