An improved parameterization of leaf area index (LAI) seasonality in the Canadian Land Surface Scheme (CLASS) and Canadian Terrestrial Ecosystem Model (CTEM) modelling framework
Notice bibliographique
Résumé
Abstract. Leaf area index (LAI) and its seasonal dynamics are key determinants of vegetation productivity in nature and as represented in terrestrial biosphere models seeking to understand land surface atmosphere flux dynamics and its response to climate change. Non-structural carbohydrates (NSCs) and their seasonal variability are known to play a crucial role in seasonal variation in leaf phenology and growth and functioning of plants. The carbon stored in NSC pools provides a buffer during times when supply and demand of carbon are asynchronous. An example of this role is illustrated when NSCs from previous years are used to initiate leaf onset at the arrival of favourable weather conditions. In this study, we incorporate NSC pools and associated parameterizations of new processes in the modelling framework of the Canadian Land Surface Scheme-Canadian Terrestrial Ecosystem Model (CLASS–CTEM) with an aim to improve the seasonality of simulated LAI. The performance of these new parameterizations is evaluated by comparing simulated LAI and atmosphere–land CO2 fluxes to their observation-based estimates, at three sites characterized by broadleaf cold deciduous trees selected from the FLUXNET database. Results show an improvement in leaf onset and offset times with about 2 weeks shift towards earlier times during the year in better agreement with observations. These improvements in simulated LAI help to improve the simulated seasonal cycle of gross primary productivity (GPP) and as a result simulated net ecosystem productivity (NEP) as well.
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 | 0,000 |
| 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 ».