Importance of shaded leaf contribution to the total GPP of high latitude ecosystems: evaluation of MODIS GPP
Notice bibliographique
Résumé
The Moderate Resolution Imaging Radiometer (MODIS) is a primary instrument in the NASA Earth Observing System (EOS) which was designed for monitoring global terrestrial vegetation. MODIS provides global estimates of 8-day mean gross primary productivity (GPP) at 1-km spatial resolution. In this study, the MODIS GPP algorithm using light use efficiency (LUE) approach and the Integrated Carbon-Canadian Land Surface Scheme (IC-CLASS) based on Farquhar photosynthetic model and a sunlit and shaded leaf separation scheme was evaluated against eddy covariance (EC) measured GPP in a variety of ecosystems in Canada. Although GPP simulated by the two models agreed well when they were averaged over Canadian landmass, there were systematic differences between them in spatial distribution patterns. These differences were due to inherent shortcomings of the LUE modeling approach. When a constant maximum LUE value is specified for each biome type, this simplification cannot appropriately deal with the shaded leaf contribution to total canopy GPP. When GPP was simulated by IC-CLASS with the separation of sunlit and shaded leaves, the biases were minimized. Compared with daily and annual GPP derived from EC flux data at 7 Fluxnet Canada sites, IC-CLASS performed better than the MODIS GPP algorithm. The differences between IC-CLASS and MODIS GPP were larger in more clumped canopies (i.e. forests), resulting from the increase in the fraction of shaded leaves. Thus, the LUE models should be improved to consider different LUEs in sunlit and shaded portions of the canopy for their effective and reliable estimation of GPP at regional scale.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 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 ».