Importance of Shaded Leaf Contribution to the Total GPP of Canadian Terrestrial Ecosystems: Evaluation of MODIS GPP
Notice bibliographique
Résumé
Abstract Terrestrial gross primary productivity (GPP) quantifies the photosynthetic uptake by vegetation and it is the largest component of the terrestrial carbon cycle. The separation of sunlit and shaded leaves has been shown to be an effective leaf‐to‐canopy upscaling method for modeling vegetation GPP. In this study, the performance of the Integrated Carbon‐Canadian Land Surface Scheme (IC‐CLASS) based on Farquhar's photosynthetic model and the two‐leaf approach was compared against that of Moderate Resolution Imaging Spectroradiometer (MODIS) GPP algorithm using the light use efficiency (LUE) approach, validated with eddy covariance (EC) measured GPP over a variety of terrestrial ecosystems in Canada. There were systematic differences between the IC‐CLASS simulated GPP and the MODIS GPP product in spatial distribution patterns. The differences were due to inherent shortcomings of the LUE modeling approach where a constant maximum LUE value is specified for each biome type, ignoring the variation of shaded leaf contribution to total GPP. The IC‐CLASS model separates the sunlit and shaded leaves and the bias in simulating GPP was minimized. The IC‐CLASS performed better than the MODIS GPP algorithm compared with monthly and annual GPP derived from EC flux data at 13 Canadian Carbon Program sites. The differences between the IC‐CLASS and the MODIS GPP estimates were larger in more clumped canopies (i.e. forests), because of the increase in the shaded leaf fraction. Different LUEs in sunlit and shaded portions of the canopy should be considered for 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 | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».