Improved estimate of global gross primary production for reproducing its long-term variation, 1982–2017
Notice bibliographique
Résumé
Abstract. Satellite-based models have been widely used to simulate vegetation gross primary production (GPP) at site, regional, or global scales in recent years. However, accurately reproducing the interannual variations in GPP remains a major challenge, and the long-term changes in GPP remain highly uncertain. In this study, we generated a long-term global GPP dataset at 0.05° latitude by 0.05° longitude at 8-day interval by revising a light use efficiency model (i.e. EC-LUE). In the revised EC-LUE model, we integrated the regulations of several major environmental variables: atmospheric CO2 concentration, radiation components, and atmospheric vapor pressure deficit (VPD). These environmental variables showed substantial long-term changes, which could greatly impact the global vegetation productivity. Eddy covariance (EC) measurements at 84 towers from the FLUXNET2015 dataset, covering nine major ecosystem types of the globe, were used to calibrate and validate the model. The revised EC-LUE model could explain 83 % and 68 % of the spatial variations in the annual GPP at 42 calibration and 43 validation sites, respectively. In particular, the revised EC-LUE model could very well reproduce (~ 74 % sites R2 > 0.5; averaged R2 = 0.65) the interannual variations in GPP at 51 sites with observations greater than 5-years. At global scale, sensitivity analysis indicated that the long-term changes of environmental variables could be well reflected in the global GPP dataset. The CO2 fertilization effect on the global GPP (0.14 ± 0.001 Pg C yr−1) could be offset by the increased VPD (−0.16 ± 0.02 Pg C yr−1). The global GPP derived from different datasets exist substantial uncertainty in magnitude and interannual variations. The magnitude of global summed GPP simulated by the revised EC-LUE model was comparable to other global models. While the revised EC-LUE model has a unique superiority in simulating the interannual variations in GPP at both site level and global scales. The revised EC-LUE model provides a reliable long-term estimate of global GPP because of integrating the important environmental variables. The dataset is available at https://doi.org/10.6084/m9.figshare.8942336.v1 (Zheng et al., 2019).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».