Global variation of transpiration and soil evaporation and the role of their major climate drivers
Notice bibliographique
Résumé
Abstract Although global variation in actual evapotranspiration has been widely investigated, it remains unclear how its two major components, transpiration and soil evaporation, are driven by climate drivers across global land surface. This paper uses a well‐validated, process‐based model that estimates transpiration and soil evaporation, and for the first time investigates and quantifies how the main global drivers, associated to vegetation process and the water and energy cycle, drive the spatiotemporal variation of the two components. The results show that transpiration and soil evaporation dominate the variance of actual evapotranspiration in wet and dry regions, respectively. Dry southern hemisphere from 13°S to 27°S is highlighted since it contributes to 21% global soil evaporation variance, with only 11% global land area. In wet regions, particularly in the humid tropics, there are strong correlations between transpiration, actual evapotranspiration, and potential evapotranspiration, with precipitation playing a relatively minor role, and available radiative energy is the major contributor to the interannual variability in transpiration and actual evapotranspiration in Amazonia. Conversely in dry regions, there are strong correlations between soil evaporation, actual evapotranspiration, and precipitation. Our findings highlight that ecohydrological links are highly related to climate regimes, and the small region such as Australia has important contribution to interannual variation in global soil evaporation and evapotranspiration, and anthropogenic activities strongly influence the variances in irrigation regions.
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 | 0,001 |
| 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 ».