Evaluation of Future Impacts of Climate Change, CO2, and Land Use Cover Change on Global Net Primary Productivity Using a Processed Model
Notice bibliographique
Résumé
Few studies have focused on the combined impact of climate change, CO2, and land-use cover change (LUCC), especially the evaluation of the impact of LUCC on net primary productivity (NPP) in the future. In this study, we simulated the overall NPP change trend from 2010 to 2100 and its response to climatic factors, CO2 concentration, and LUCC conditions under three typical emission scenarios (Representative Concentration Pathway RCP2.6, RCP4.5, and RCP8.5). (1) Under the predicted global pattern, NPP showed an increasing trend, with the most prominent variation at the end of the century. The increasing trend is mainly caused by the positive effect of CO2 on NPP. However, the increasing trend of LUCC has only a small positive effect. (2) Under the RCP 8.5 scenario, from 2090 to 2100, CO2 has the most significant positive impact on tropical areas, reaching 8.328 Pg C Yr−1. Under the same conditions, climate change has the greatest positive impact on the northern high latitudes (1.175 Pg C Yr−1), but it has the greatest negative impact on tropical areas, reaching −4.842 Pg C Yr−1. (3) The average contribution rate of LUCC to NPP was 6.14%. Under the RCP8.5 scenario, LUCC made the largest positive contribution on NPP (0.542 Pg C Yr−1) globally from 2010 to 2020.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».