Is the annual maximum leaf area index an important driver of water fluxes simulated by a land surface model in temperate forests?
Notice bibliographique
Résumé
In land surface models, vegetation is often described using plant functional types (PFTs), a classification that aggregates plant species into a few groups based on similar characteristics. Within-PFT variability of these characteristics can introduce considerable uncertainty in the simulation of water fluxes in forests. Our objectives were to (i) compare the variability of the annual maximum leaf area index (LAImax) within and between PFTs and (ii) assess whether this variability leads to significant differences in simulated water fluxes at a regional scale. We classified our study region in southwestern Quebec (Canada) into three PFTs (evergreen needleleaf, deciduous broadleaf, and mixed forests) and characterized LAImax using remotely sensed MODIS-LAI data. We simulated water fluxes with the Canadian Land Surface Scheme (CLASS) and performed a sensitivity analysis. We found that within-PFT variability of LAImax was 1.7 times more important than variability between PFTs, with similar mean values for the two dominant PFTs, deciduous broadleaf forests (6.6 m2·m−2) and mixed forests (6.3 m2·m−2). In CLASS, varying LAImax within the observed range of values (4.0–7.5 m2·m−2) led to changes of less than 2% in mean evapotranspiration. Overall, LAImax is likely not an important driver of the spatial variability of water fluxes at the regional level.
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 | 0,000 | 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 | 0,001 | 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 ».