Ecosystem transpiration and evaporation: Insights from three water flux partitioning methods across FLUXNET sites
Notice bibliographique
Résumé
We apply and compare three widely applicable methods for estimating ecosystem transpiration (T) from eddy covariance (EC) data across 251 FLUXNET sites globally. All three methods are based on the coupled water and carbon relationship, but they differ in assumptions and parameterizations. Intercomparison of the three daily T estimates shows high correlation among methods (R between .89 and .94), but a spread in magnitudes of T/ET (evapotranspiration) from 45% to 77%. When compared at six sites with concurrent EC and sap flow measurements, all three EC-based T estimates show higher correlation to sap flow-based T than EC-based ET. The partitioning methods show expected tendencies of T/ET increasing with dryness (vapor pressure deficit and days since rain) and with leaf area index (LAI). Analysis of 140 sites with high-quality estimates for at least two continuous years shows that T/ET variability was 1.6 times higher across sites than across years. Spatial variability of T/ET was primarily driven by vegetation and soil characteristics (e.g., crop or grass designation, minimum annual LAI, soil coarse fragment volume) rather than climatic variables such as mean/standard deviation of temperature or precipitation. Overall, T and T/ET patterns are plausible and qualitatively consistent among the different water flux partitioning methods implying a significant advance made for estimating and understanding T globally, while the magnitudes remain uncertain. Our results represent the first extensive EC data-based estimates of ecosystem T permitting a data-driven perspective on the role of plants' water use for global water and carbon cycling in a changing climate.
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 | 0,000 |
| 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 ».