Vegetation Functional Properties Determine Uncertainty of Simulated Ecosystem Productivity: A Traceability Analysis in the East Asian Monsoon Region
Notice bibliographique
Résumé
Abstract Global and regional projections of climate change by Earth system models are limited by their uncertain estimates of terrestrial ecosystem productivity. At the middle to low latitudes, the East Asian monsoon region has higher productivity than forests in Europe‐Africa and North America, but its estimate by current generation of terrestrial biosphere models (TBMs) has seldom been systematically evaluated. Here, we developed a traceability framework to evaluate the simulated gross primary productivity (GPP) by 15 TBMs in the East Asian monsoon region. The framework links GPP to net primary productivity, biomass, leaf area and back to GPP via incorporating multiple vegetation functional properties of carbon‐use efficiency (CUE), vegetation C turnover time ( τ veg ), leaf C fraction (F leaf ), specific leaf area (SLA), and leaf area index (LAI)‐level photosynthesis (P LAI ), respectively. We then applied a relative importance algorithm to attribute intermodel variation at each node. The results showed that large intermodel variation in GPP over 1901–2010 were mainly propagated from their different representation of vegetation functional properties. For example, SLA explained 77% of the intermodel difference in leaf area, which contributed 90% to the simulated GPP differences. In addition, the models simulated higher CUE (18.1 ± 21.3%), τ veg (18.2 ± 26.9%), and SLA (27.4±36.5%) than observations, leading to the overestimation of simulated GPP across the East Asian monsoon region. These results suggest the large uncertainty of current TBMs in simulating GPP is largely propagated from their poor representation of the vegetation functional properties and call for a better understanding of the covariations between plant functional properties in terrestrial ecosystems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».